NumPy
=====
 
Provides
  1. An array object of arbitrary homogeneous items
  2. Fast mathematical operations over arrays
  3. Linear Algebra, Fourier Transforms, Random Number Generation
 
How to use the documentation
----------------------------
Documentation is available in two forms: docstrings provided
with the code, and a loose standing reference guide, available from
`the NumPy homepage <http://www.scipy.org>`_.
 
We recommend exploring the docstrings using
`IPython <http://ipython.scipy.org>`_, an advanced Python shell with
TAB-completion and introspection capabilities.  See below for further
instructions.
 
The docstring examples assume that `numpy` has been imported as `np`::
 
  >>> import numpy as np
 
Code snippets are indicated by three greater-than signs::
 
  >>> x = 42
  >>> x = x + 1
 
Use the built-in ``help`` function to view a function's docstring::
 
  >>> help(np.sort)
  ... # doctest: +SKIP
 
For some objects, ``np.info(obj)`` may provide additional help.  This is
particularly true if you see the line "Help on ufunc object:" at the top
of the help() page.  Ufuncs are implemented in C, not Python, for speed.
The native Python help() does not know how to view their help, but our
np.info() function does.
 
To search for documents containing a keyword, do::
 
  >>> np.lookfor('keyword')
  ... # doctest: +SKIP
 
General-purpose documents like a glossary and help on the basic concepts
of numpy are available under the ``doc`` sub-module::
 
  >>> from numpy import doc
  >>> help(doc)
  ... # doctest: +SKIP
 
Available subpackages
---------------------
doc
    Topical documentation on broadcasting, indexing, etc.
lib
    Basic functions used by several sub-packages.
random
    Core Random Tools
linalg
    Core Linear Algebra Tools
fft
    Core FFT routines
polynomial
    Polynomial tools
testing
    NumPy testing tools
f2py
    Fortran to Python Interface Generator.
distutils
    Enhancements to distutils with support for
    Fortran compilers support and more.
 
Utilities
---------
test
    Run numpy unittests
show_config
    Show numpy build configuration
dual
    Overwrite certain functions with high-performance Scipy tools
matlib
    Make everything matrices.
__version__
    NumPy version string
 
Viewing documentation using IPython
-----------------------------------
Start IPython with the NumPy profile (``ipython -p numpy``), which will
import `numpy` under the alias `np`.  Then, use the ``cpaste`` command to
paste examples into the shell.  To see which functions are available in
`numpy`, type ``np.<TAB>`` (where ``<TAB>`` refers to the TAB key), or use
``np.*cos*?<ENTER>`` (where ``<ENTER>`` refers to the ENTER key) to narrow
down the list.  To view the docstring for a function, use
``np.cos?<ENTER>`` (to view the docstring) and ``np.cos??<ENTER>`` (to view
the source code).
 
Copies vs. in-place operation
-----------------------------
Most of the functions in `numpy` return a copy of the array argument
(e.g., `np.sort`).  In-place versions of these functions are often
available as array methods, i.e. ``x = np.array([1,2,3]); x.sort()``.
Exceptions to this rule are documented.

Package Contents
		__config__ _distributor_init _globals _import_tools add_newdocs compat (package) conftest core (package) ctypeslib distutils (package) doc (package) dual f2py (package) fft (package) lib (package) linalg (package) ma (package) matlib matrixlib (package) polynomial (package) random (package) setup testing (package) tests (package) version

Classes
		builtins.DeprecationWarning(builtins.Warning) numpy._globals.ModuleDeprecationWarning builtins.IndexError(builtins.LookupError) numpy.core._internal.AxisError(builtins.ValueError, builtins.IndexError) builtins.RuntimeError(builtins.Exception) numpy.core._internal.TooHardError builtins.RuntimeWarning(builtins.Warning) numpy.core.numeric.ComplexWarning builtins.UserWarning(builtins.Warning) numpy._globals.VisibleDeprecationWarning numpy.lib.polynomial.RankWarning builtins.ValueError(builtins.Exception) numpy.core._internal.AxisError(builtins.ValueError, builtins.IndexError) builtins.bytes(builtins.object) bytes_(builtins.bytes, character) builtins.object builtins.int builtins.str str_(builtins.str, character) broadcast busdaycalendar dtype flatiter generic bool_ datetime64 flexible character bytes_(builtins.bytes, character) void record number inexact complexfloating complex128(complexfloating, builtins.complex) complex128 complex64 floating float16 float32 float64(floating, builtins.float) float64 integer signedinteger int16 int32 int32 int64 int8 timedelta64 unsignedinteger uint16 uint32 uint32 uint64 uint8 object_ ndarray recarray numpy.core.defchararray.chararray numpy.core.memmap.memmap numpy.matrixlib.defmatrix.matrix nditer ufunc numpy._import_tools.PackageLoader numpy.core.getlimits.finfo numpy.core.getlimits.iinfo numpy.core.machar.MachAr numpy.core.numeric.errstate numpy.core.records.format_parser numpy.lib._datasource.DataSource numpy.lib.function_base.vectorize numpy.lib.index_tricks.ndenumerate numpy.lib.index_tricks.ndindex numpy.lib.polynomial.poly1d   class AxisError(builtins.ValueError, builtins.IndexError)     Axis supplied was invalid.     Method resolution order: AxisError builtins.ValueError builtins.IndexError builtins.LookupError builtins.Exception builtins.BaseException builtins.object Methods defined here: __init__(self, axis, ndim=None, msg_prefix=None) Initialize self.  See help(type(self)) for accurate signature. Data descriptors defined here: __weakref__ list of weak references to the object (if defined) Methods inherited from builtins.ValueError: __new__(*args, **kwargs) from builtins.type Create and return a new object.  See help(type) for accurate signature. Methods inherited from builtins.BaseException: __delattr__(self, name, /) Implement delattr(self, name). __getattribute__(self, name, /) Return getattr(self, name). __reduce__(...) helper for pickle __repr__(self, /) Return repr(self). __setattr__(self, name, value, /) Implement setattr(self, name, value). __setstate__(...) __str__(self, /) Return str(self). with_traceback(...) Exception.with_traceback(tb) -- set self.__traceback__ to tb and return self. Data descriptors inherited from builtins.BaseException: __cause__ exception cause __context__ exception context __dict__ __suppress_context__ __traceback__ args   class ComplexWarning(builtins.RuntimeWarning)     The warning raised when casting a complex dtype to a real dtype.   As implemented, casting a complex number to a real discards its imaginary part, but this behavior may not be what the user actually wants.     Method resolution order: ComplexWarning builtins.RuntimeWarning builtins.Warning builtins.Exception builtins.BaseException builtins.object Data descriptors defined here: __weakref__ list of weak references to the object (if defined) Methods inherited from builtins.RuntimeWarning: __init__(self, /, *args, **kwargs) Initialize self.  See help(type(self)) for accurate signature. __new__(*args, **kwargs) from builtins.type Create and return a new object.  See help(type) for accurate signature. Methods inherited from builtins.BaseException: __delattr__(self, name, /) Implement delattr(self, name). __getattribute__(self, name, /) Return getattr(self, name). __reduce__(...) helper for pickle __repr__(self, /) Return repr(self). __setattr__(self, name, value, /) Implement setattr(self, name, value). __setstate__(...) __str__(self, /) Return str(self). with_traceback(...) Exception.with_traceback(tb) -- set self.__traceback__ to tb and return self. Data descriptors inherited from builtins.BaseException: __cause__ exception cause __context__ exception context __dict__ __suppress_context__ __traceback__ args   class DataSource(builtins.object)     DataSource(destpath='.')   A generic data source file (file, http, ftp, ...).   DataSources can be local files or remote files/URLs.  The files may also be compressed or uncompressed. DataSource hides some of the low-level details of downloading the file, allowing you to simply pass in a valid file path (or URL) and obtain a file object.   Parameters ---------- destpath : str or None, optional     Path to the directory where the source file gets downloaded to for     use.  If `destpath` is None, a temporary directory will be created.     The default path is the current directory.   Notes ----- URLs require a scheme string (``http://``) to be used, without it they will fail::       >>> repos = DataSource()     >>> repos.exists('www.google.com/index.html')     False     >>> repos.exists('http://www.google.com/index.html')     True   Temporary directories are deleted when the DataSource is deleted.   Examples -------- ::       >>> ds = DataSource('/home/guido')     >>> urlname = 'http://www.google.com/index.html'     >>> gfile = ds.open('http://www.google.com/index.html')  # remote file     >>> ds.abspath(urlname)     '/home/guido/www.google.com/site/index.html'       >>> ds = DataSource(None)  # use with temporary file     >>> ds.open('/home/guido/foobar.txt')     <open file '/home/guido.foobar.txt', mode 'r' at 0x91d4430>     >>> ds.abspath('/home/guido/foobar.txt')     '/tmp/tmpy4pgsP/home/guido/foobar.txt'     Methods defined here: __del__(self) __init__(self, destpath='.') Create a DataSource with a local path at destpath. abspath(self, path) Return absolute path of file in the DataSource directory.   If `path` is an URL, then `abspath` will return either the location the file exists locally or the location it would exist when opened using the `open` method.   Parameters ---------- path : str     Can be a local file or a remote URL.   Returns ------- out : str     Complete path, including the `DataSource` destination directory.   Notes ----- The functionality is based on `os.path.abspath`. exists(self, path) Test if path exists.   Test if `path` exists as (and in this order):   - a local file. - a remote URL that has been downloaded and stored locally in the   `DataSource` directory. - a remote URL that has not been downloaded, but is valid and   accessible.   Parameters ---------- path : str     Can be a local file or a remote URL.   Returns ------- out : bool     True if `path` exists.   Notes ----- When `path` is an URL, `exists` will return True if it's either stored locally in the `DataSource` directory, or is a valid remote URL.  `DataSource` does not discriminate between the two, the file is accessible if it exists in either location. open(self, path, mode='r', encoding=None, newline=None) Open and return file-like object.   If `path` is an URL, it will be downloaded, stored in the `DataSource` directory and opened from there.   Parameters ---------- path : str     Local file path or URL to open. mode : {'r', 'w', 'a'}, optional     Mode to open `path`.  Mode 'r' for reading, 'w' for writing,     'a' to append. Available modes depend on the type of object     specified by `path`. Default is 'r'. encoding : {None, str}, optional     Open text file with given encoding. The default encoding will be     what `io.open` uses. newline : {None, str}, optional     Newline to use when reading text file.   Returns ------- out : file object     File object. Data descriptors defined here: __dict__ dictionary for instance variables (if defined) __weakref__ list of weak references to the object (if defined)   class MachAr(builtins.object)     Diagnosing machine parameters.   Attributes ---------- ibeta : int     Radix in which numbers are represented. it : int     Number of base-`ibeta` digits in the floating point mantissa M. machep : int     Exponent of the smallest (most negative) power of `ibeta` that,     added to 1.0, gives something different from 1.0 eps : float     Floating-point number ``beta**machep`` (floating point precision) negep : int     Exponent of the smallest power of `ibeta` that, subtracted     from 1.0, gives something different from 1.0. epsneg : float     Floating-point number ``beta**negep``. iexp : int     Number of bits in the exponent (including its sign and bias). minexp : int     Smallest (most negative) power of `ibeta` consistent with there     being no leading zeros in the mantissa. xmin : float     Floating point number ``beta**minexp`` (the smallest [in     magnitude] usable floating value). maxexp : int     Smallest (positive) power of `ibeta` that causes overflow. xmax : float     ``(1-epsneg) * beta**maxexp`` (the largest [in magnitude]     usable floating value). irnd : int     In ``range(6)``, information on what kind of rounding is done     in addition, and on how underflow is handled. ngrd : int     Number of 'guard digits' used when truncating the product     of two mantissas to fit the representation. epsilon : float     Same as `eps`. tiny : float     Same as `xmin`. huge : float     Same as `xmax`. precision : float     ``- int(-log10(eps))`` resolution : float     ``- 10**(-precision)``   Parameters ---------- float_conv : function, optional     Function that converts an integer or integer array to a float     or float array. Default is `float`. int_conv : function, optional     Function that converts a float or float array to an integer or     integer array. Default is `int`. float_to_float : function, optional     Function that converts a float array to float. Default is `float`.     Note that this does not seem to do anything useful in the current     implementation. float_to_str : function, optional     Function that converts a single float to a string. Default is     ``lambda v:'%24.16e' %v``. title : str, optional     Title that is printed in the string representation of `MachAr`.   See Also -------- finfo : Machine limits for floating point types. iinfo : Machine limits for integer types.   References ---------- .. [1] Press, Teukolsky, Vetterling and Flannery,        "Numerical Recipes in C++," 2nd ed,        Cambridge University Press, 2002, p. 31.     Methods defined here: __init__(self, float_conv=<class 'float'>, int_conv=<class 'int'>, float_to_float=<class 'float'>, float_to_str=<function MachAr.<lambda> at 0x000001792F26B378>, title='Python floating point number') float_conv - convert integer to float (array) int_conv   - convert float (array) to integer float_to_float - convert float array to float float_to_str - convert array float to str title        - description of used floating point numbers __str__(self) Return str(self). Data descriptors defined here: __dict__ dictionary for instance variables (if defined) __weakref__ list of weak references to the object (if defined)   class ModuleDeprecationWarning(builtins.DeprecationWarning)     Module deprecation warning.   The nose tester turns ordinary Deprecation warnings into test failures. That makes it hard to deprecate whole modules, because they get imported by default. So this is a special Deprecation warning that the nose tester will let pass without making tests fail.     Method resolution order: ModuleDeprecationWarning builtins.DeprecationWarning builtins.Warning builtins.Exception builtins.BaseException builtins.object Data descriptors defined here: __weakref__ list of weak references to the object (if defined) Methods inherited from builtins.DeprecationWarning: __init__(self, /, *args, **kwargs) Initialize self.  See help(type(self)) for accurate signature. __new__(*args, **kwargs) from builtins.type Create and return a new object.  See help(type) for accurate signature. Methods inherited from builtins.BaseException: __delattr__(self, name, /) Implement delattr(self, name). __getattribute__(self, name, /) Return getattr(self, name). __reduce__(...) helper for pickle __repr__(self, /) Return repr(self). __setattr__(self, name, value, /) Implement setattr(self, name, value). __setstate__(...) __str__(self, /) Return str(self). with_traceback(...) Exception.with_traceback(tb) -- set self.__traceback__ to tb and return self. Data descriptors inherited from builtins.BaseException: __cause__ exception cause __context__ exception context __dict__ __suppress_context__ __traceback__ args   class PackageLoader(builtins.object)       Methods defined here: __call__(self, *packages, **options) Load one or more packages into parent package top-level namespace.   This function is intended to shorten the need to import many subpackages, say of scipy, constantly with statements such as     import scipy.linalg, scipy.fftpack, scipy.etc...   Instead, you can say:     import scipy   scipy.pkgload('linalg','fftpack',...)   or     scipy.pkgload()   to load all of them in one call.   If a name which doesn't exist in scipy's namespace is given, a warning is shown.   Parameters ----------  *packages : arg-tuple       the names (one or more strings) of all the modules one       wishes to load into the top-level namespace.  verbose= : integer       verbosity level [default: -1].       verbose=-1 will suspend also warnings.  force= : bool       when True, force reloading loaded packages [default: False].  postpone= : bool       when True, don't load packages [default: False] __init__(self, verbose=False, infunc=False) Manages loading packages. error(self, mess) get_pkgdocs(self) Return documentation summary of subpackages. log(self, mess) warn(self, mess) Data descriptors defined here: __dict__ dictionary for instance variables (if defined) __weakref__ list of weak references to the object (if defined)   class RankWarning(builtins.UserWarning)     Issued by `polyfit` when the Vandermonde matrix is rank deficient.   For more information, a way to suppress the warning, and an example of `RankWarning` being issued, see `polyfit`.     Method resolution order: RankWarning builtins.UserWarning builtins.Warning builtins.Exception builtins.BaseException builtins.object Data descriptors defined here: __weakref__ list of weak references to the object (if defined) Methods inherited from builtins.UserWarning: __init__(self, /, *args, **kwargs) Initialize self.  See help(type(self)) for accurate signature. __new__(*args, **kwargs) from builtins.type Create and return a new object.  See help(type) for accurate signature. Methods inherited from builtins.BaseException: __delattr__(self, name, /) Implement delattr(self, name). __getattribute__(self, name, /) Return getattr(self, name). __reduce__(...) helper for pickle __repr__(self, /) Return repr(self). __setattr__(self, name, value, /) Implement setattr(self, name, value). __setstate__(...) __str__(self, /) Return str(self). with_traceback(...) Exception.with_traceback(tb) -- set self.__traceback__ to tb and return self. Data descriptors inherited from builtins.BaseException: __cause__ exception cause __context__ exception context __dict__ __suppress_context__ __traceback__ args   class TooHardError(builtins.RuntimeError)     Unspecified run-time error.     Method resolution order: TooHardError builtins.RuntimeError builtins.Exception builtins.BaseException builtins.object Data descriptors defined here: __weakref__ list of weak references to the object (if defined) Methods inherited from builtins.RuntimeError: __init__(self, /, *args, **kwargs) Initialize self.  See help(type(self)) for accurate signature. __new__(*args, **kwargs) from builtins.type Create and return a new object.  See help(type) for accurate signature. Methods inherited from builtins.BaseException: __delattr__(self, name, /) Implement delattr(self, name). __getattribute__(self, name, /) Return getattr(self, name). __reduce__(...) helper for pickle __repr__(self, /) Return repr(self). __setattr__(self, name, value, /) Implement setattr(self, name, value). __setstate__(...) __str__(self, /) Return str(self). with_traceback(...) Exception.with_traceback(tb) -- set self.__traceback__ to tb and return self. Data descriptors inherited from builtins.BaseException: __cause__ exception cause __context__ exception context __dict__ __suppress_context__ __traceback__ args   class VisibleDeprecationWarning(builtins.UserWarning)     Visible deprecation warning.   By default, python will not show deprecation warnings, so this class can be used when a very visible warning is helpful, for example because the usage is most likely a user bug.     Method resolution order: VisibleDeprecationWarning builtins.UserWarning builtins.Warning builtins.Exception builtins.BaseException builtins.object Data descriptors defined here: __weakref__ list of weak references to the object (if defined) Methods inherited from builtins.UserWarning: __init__(self, /, *args, **kwargs) Initialize self.  See help(type(self)) for accurate signature. __new__(*args, **kwargs) from builtins.type Create and return a new object.  See help(type) for accurate signature. Methods inherited from builtins.BaseException: __delattr__(self, name, /) Implement delattr(self, name). __getattribute__(self, name, /) Return getattr(self, name). __reduce__(...) helper for pickle __repr__(self, /) Return repr(self). __setattr__(self, name, value, /) Implement setattr(self, name, value). __setstate__(...) __str__(self, /) Return str(self). with_traceback(...) Exception.with_traceback(tb) -- set self.__traceback__ to tb and return self. Data descriptors inherited from builtins.BaseException: __cause__ exception cause __context__ exception context __dict__ __suppress_context__ __traceback__ args   bool8 = class bool_(generic)     NumPy's Boolean type.  Character code: ``?``.  Alias: bool8     Method resolution order: bool_ generic builtins.object Methods defined here: __and__(self, value, /) Return self&value. __bool__(self, /) self != 0 __eq__(self, value, /) Return self==value. __ge__(self, value, /) Return self>=value. __gt__(self, value, /) Return self>value. __hash__(self, /) Return hash(self). __index__(self, /) Return self converted to an integer, if self is suitable for use as an index into a list. __le__(self, value, /) Return self<=value. __lt__(self, value, /) Return self<value. __ne__(self, value, /) Return self!=value. __new__(*args, **kwargs) from builtins.type Create and return a new object.  See help(type) for accurate signature. __or__(self, value, /) Return self|value. __rand__(self, value, /) Return value&self. __repr__(self, /) Return repr(self). __ror__(self, value, /) Return value|self. __rxor__(self, value, /) Return value^self. __str__(self, /) Return str(self). __xor__(self, value, /) Return self^value. Methods inherited from generic: __abs__(self, /) abs(self) __add__(self, value, /) Return self+value. __array__(...) sc.__array__(dtype) return 0-dim array from scalar with specified dtype __array_wrap__(...) sc.__array_wrap__(obj) return scalar from array __copy__(...) __deepcopy__(...) __divmod__(self, value, /) Return divmod(self, value). __float__(self, /) float(self) __floordiv__(self, value, /) Return self//value. __format__(...) NumPy array scalar formatter __getitem__(self, key, /) Return self[key]. __int__(self, /) int(self) __invert__(self, /) ~self __lshift__(self, value, /) Return self<<value. __mod__(self, value, /) Return self%value. __mul__(self, value, /) Return self*value. __neg__(self, /) -self __pos__(self, /) +self __pow__(self, value, mod=None, /) Return pow(self, value, mod). __radd__(self, value, /) Return value+self. __rdivmod__(self, value, /) Return divmod(value, self). __reduce__(...) helper for pickle __rfloordiv__(self, value, /) Return value//self. __rlshift__(self, value, /) Return value<<self. __rmod__(self, value, /) Return value%self. __rmul__(self, value, /) Return value*self. __round__(...) __rpow__(self, value, mod=None, /) Return pow(value, self, mod). __rrshift__(self, value, /) Return value>>self. __rshift__(self, value, /) Return self>>value. __rsub__(self, value, /) Return value-self. __rtruediv__(self, value, /) Return value/self. __setstate__(...) __sizeof__(...) __sizeof__() -> int size of object in memory, in bytes __sub__(self, value, /) Return self-value. __truediv__(self, value, /) Return self/value. all(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. any(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmax(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmin(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argsort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. astype(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. byteswap(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. choose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. clip(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. compress(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. conj(...) conjugate(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. copy(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumprod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumsum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. diagonal(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dump(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dumps(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. fill(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. flatten(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. getfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. item(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. itemset(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. max(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. mean(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. min(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. newbyteorder(...) newbyteorder(new_order='S')   Return a new `dtype` with a different byte order.   Changes are also made in all fields and sub-arrays of the data type.   The `new_order` code can be any from the following:   * 'S' - swap dtype from current to opposite endian * {'<', 'L'} - little endian * {'>', 'B'} - big endian * {'=', 'N'} - native order * {'|', 'I'} - ignore (no change to byte order)   Parameters ---------- new_order : str, optional     Byte order to force; a value from the byte order specifications     above.  The default value ('S') results in swapping the current     byte order. The code does a case-insensitive check on the first     letter of `new_order` for the alternatives above.  For example,     any of 'B' or 'b' or 'biggish' are valid to specify big-endian.     Returns ------- new_dtype : dtype     New `dtype` object with the given change to the byte order. nonzero(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. prod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ptp(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. put(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ravel(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. repeat(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. reshape(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. resize(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. round(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. searchsorted(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setflags(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. squeeze(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. std(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. swapaxes(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. take(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tobytes(...) tofile(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tolist(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tostring(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. trace(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. transpose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. var(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. view(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. Data descriptors inherited from generic: T transpose __array_interface__ Array protocol: Python side __array_priority__ Array priority. __array_struct__ Array protocol: struct base base object data pointer to start of data dtype get array data-descriptor flags integer value of flags flat a 1-d view of scalar imag imaginary part of scalar itemsize length of one element in bytes nbytes length of item in bytes ndim number of array dimensions real real part of scalar shape tuple of array dimensions size number of elements in the gentype strides tuple of bytes steps in each dimension   class bool_(generic)     NumPy's Boolean type.  Character code: ``?``.  Alias: bool8     Method resolution order: bool_ generic builtins.object Methods defined here: __and__(self, value, /) Return self&value. __bool__(self, /) self != 0 __eq__(self, value, /) Return self==value. __ge__(self, value, /) Return self>=value. __gt__(self, value, /) Return self>value. __hash__(self, /) Return hash(self). __index__(self, /) Return self converted to an integer, if self is suitable for use as an index into a list. __le__(self, value, /) Return self<=value. __lt__(self, value, /) Return self<value. __ne__(self, value, /) Return self!=value. __new__(*args, **kwargs) from builtins.type Create and return a new object.  See help(type) for accurate signature. __or__(self, value, /) Return self|value. __rand__(self, value, /) Return value&self. __repr__(self, /) Return repr(self). __ror__(self, value, /) Return value|self. __rxor__(self, value, /) Return value^self. __str__(self, /) Return str(self). __xor__(self, value, /) Return self^value. Methods inherited from generic: __abs__(self, /) abs(self) __add__(self, value, /) Return self+value. __array__(...) sc.__array__(dtype) return 0-dim array from scalar with specified dtype __array_wrap__(...) sc.__array_wrap__(obj) return scalar from array __copy__(...) __deepcopy__(...) __divmod__(self, value, /) Return divmod(self, value). __float__(self, /) float(self) __floordiv__(self, value, /) Return self//value. __format__(...) NumPy array scalar formatter __getitem__(self, key, /) Return self[key]. __int__(self, /) int(self) __invert__(self, /) ~self __lshift__(self, value, /) Return self<<value. __mod__(self, value, /) Return self%value. __mul__(self, value, /) Return self*value. __neg__(self, /) -self __pos__(self, /) +self __pow__(self, value, mod=None, /) Return pow(self, value, mod). __radd__(self, value, /) Return value+self. __rdivmod__(self, value, /) Return divmod(value, self). __reduce__(...) helper for pickle __rfloordiv__(self, value, /) Return value//self. __rlshift__(self, value, /) Return value<<self. __rmod__(self, value, /) Return value%self. __rmul__(self, value, /) Return value*self. __round__(...) __rpow__(self, value, mod=None, /) Return pow(value, self, mod). __rrshift__(self, value, /) Return value>>self. __rshift__(self, value, /) Return self>>value. __rsub__(self, value, /) Return value-self. __rtruediv__(self, value, /) Return value/self. __setstate__(...) __sizeof__(...) __sizeof__() -> int size of object in memory, in bytes __sub__(self, value, /) Return self-value. __truediv__(self, value, /) Return self/value. all(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. any(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmax(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmin(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argsort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. astype(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. byteswap(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. choose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. clip(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. compress(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. conj(...) conjugate(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. copy(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumprod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumsum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. diagonal(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dump(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dumps(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. fill(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. flatten(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. getfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. item(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. itemset(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. max(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. mean(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. min(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. newbyteorder(...) newbyteorder(new_order='S')   Return a new `dtype` with a different byte order.   Changes are also made in all fields and sub-arrays of the data type.   The `new_order` code can be any from the following:   * 'S' - swap dtype from current to opposite endian * {'<', 'L'} - little endian * {'>', 'B'} - big endian * {'=', 'N'} - native order * {'|', 'I'} - ignore (no change to byte order)   Parameters ---------- new_order : str, optional     Byte order to force; a value from the byte order specifications     above.  The default value ('S') results in swapping the current     byte order. The code does a case-insensitive check on the first     letter of `new_order` for the alternatives above.  For example,     any of 'B' or 'b' or 'biggish' are valid to specify big-endian.     Returns ------- new_dtype : dtype     New `dtype` object with the given change to the byte order. nonzero(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. prod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ptp(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. put(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ravel(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. repeat(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. reshape(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. resize(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. round(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. searchsorted(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setflags(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. squeeze(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. std(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. swapaxes(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. take(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tobytes(...) tofile(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tolist(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tostring(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. trace(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. transpose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. var(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. view(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. Data descriptors inherited from generic: T transpose __array_interface__ Array protocol: Python side __array_priority__ Array priority. __array_struct__ Array protocol: struct base base object data pointer to start of data dtype get array data-descriptor flags integer value of flags flat a 1-d view of scalar imag imaginary part of scalar itemsize length of one element in bytes nbytes length of item in bytes ndim number of array dimensions real real part of scalar shape tuple of array dimensions size number of elements in the gentype strides tuple of bytes steps in each dimension   class broadcast(builtins.object)     Produce an object that mimics broadcasting.   Parameters ---------- in1, in2, ... : array_like     Input parameters.   Returns ------- b : broadcast object     Broadcast the input parameters against one another, and     return an object that encapsulates the result.     Amongst others, it has ``shape`` and ``nd`` properties, and     may be used as an iterator.   See Also -------- broadcast_arrays broadcast_to   Examples -------- Manually adding two vectors, using broadcasting:   >>> x = np.array([[1], [2], [3]]) >>> y = np.array([4, 5, 6]) >>> b = np.broadcast(x, y)   >>> out = np.empty(b.shape) >>> out.flat = [u+v for (u,v) in b] >>> out array([[ 5.,  6.,  7.],        [ 6.,  7.,  8.],        [ 7.,  8.,  9.]])   Compare against built-in broadcasting:   >>> x + y array([[5, 6, 7],        [6, 7, 8],        [7, 8, 9]])     Methods defined here: __iter__(self, /) Implement iter(self). __new__(*args, **kwargs) from builtins.type Create and return a new object.  See help(type) for accurate signature. __next__(self, /) Implement next(self). reset(...) reset()   Reset the broadcasted result's iterator(s).   Parameters ---------- None   Returns ------- None   Examples -------- >>> x = np.array([1, 2, 3]) >>> y = np.array([[4], [5], [6]] >>> b = np.broadcast(x, y) >>> b.index 0 >>> b.next(), b.next(), b.next() ((1, 4), (2, 4), (3, 4)) >>> b.index 3 >>> b.reset() >>> b.index 0 Data descriptors defined here: index current index in broadcasted result   Examples -------- >>> x = np.array([[1], [2], [3]]) >>> y = np.array([4, 5, 6]) >>> b = np.broadcast(x, y) >>> b.index 0 >>> b.next(), b.next(), b.next() ((1, 4), (1, 5), (1, 6)) >>> b.index 3 iters tuple of iterators along ``self``'s "components."   Returns a tuple of `numpy.flatiter` objects, one for each "component" of ``self``.   See Also -------- numpy.flatiter   Examples -------- >>> x = np.array([1, 2, 3]) >>> y = np.array([[4], [5], [6]]) >>> b = np.broadcast(x, y) >>> row, col = b.iters >>> row.next(), col.next() (1, 4) nd Number of dimensions of broadcasted result. For code intended for NumPy 1.12.0 and later the more consistent `ndim` is preferred.   Examples -------- >>> x = np.array([1, 2, 3]) >>> y = np.array([[4], [5], [6]]) >>> b = np.broadcast(x, y) >>> b.nd 2 ndim Number of dimensions of broadcasted result. Alias for `nd`.   .. versionadded:: 1.12.0   Examples -------- >>> x = np.array([1, 2, 3]) >>> y = np.array([[4], [5], [6]]) >>> b = np.broadcast(x, y) >>> b.ndim 2 numiter Number of iterators possessed by the broadcasted result.   Examples -------- >>> x = np.array([1, 2, 3]) >>> y = np.array([[4], [5], [6]]) >>> b = np.broadcast(x, y) >>> b.numiter 2 shape Shape of broadcasted result.   Examples -------- >>> x = np.array([1, 2, 3]) >>> y = np.array([[4], [5], [6]]) >>> b = np.broadcast(x, y) >>> b.shape (3, 3) size Total size of broadcasted result.   Examples -------- >>> x = np.array([1, 2, 3]) >>> y = np.array([[4], [5], [6]]) >>> b = np.broadcast(x, y) >>> b.size 9   class busdaycalendar(builtins.object)     busdaycalendar(weekmask='1111100', holidays=None)   A business day calendar object that efficiently stores information defining valid days for the busday family of functions.   The default valid days are Monday through Friday ("business days"). A busdaycalendar object can be specified with any set of weekly valid days, plus an optional "holiday" dates that always will be invalid.   Once a busdaycalendar object is created, the weekmask and holidays cannot be modified.   .. versionadded:: 1.7.0   Parameters ---------- weekmask : str or array_like of bool, optional     A seven-element array indicating which of Monday through Sunday are     valid days. May be specified as a length-seven list or array, like     [1,1,1,1,1,0,0]; a length-seven string, like '1111100'; or a string     like "Mon Tue Wed Thu Fri", made up of 3-character abbreviations for     weekdays, optionally separated by white space. Valid abbreviations     are: Mon Tue Wed Thu Fri Sat Sun holidays : array_like of datetime64[D], optional     An array of dates to consider as invalid dates, no matter which     weekday they fall upon.  Holiday dates may be specified in any     order, and NaT (not-a-time) dates are ignored.  This list is     saved in a normalized form that is suited for fast calculations     of valid days.   Returns ------- out : busdaycalendar     A business day calendar object containing the specified     weekmask and holidays values.   See Also -------- is_busday : Returns a boolean array indicating valid days. busday_offset : Applies an offset counted in valid days. busday_count : Counts how many valid days are in a half-open date range.   Attributes ---------- Note: once a busdaycalendar object is created, you cannot modify the weekmask or holidays.  The attributes return copies of internal data. weekmask : (copy) seven-element array of bool holidays : (copy) sorted array of datetime64[D]   Examples -------- >>> # Some important days in July ... bdd = np.busdaycalendar( ...             holidays=['2011-07-01', '2011-07-04', '2011-07-17']) >>> # Default is Monday to Friday weekdays ... bdd.weekmask array([ True,  True,  True,  True,  True, False, False], dtype='bool') >>> # Any holidays already on the weekend are removed ... bdd.holidays array(['2011-07-01', '2011-07-04'], dtype='datetime64[D]')     Methods defined here: __init__(self, /, *args, **kwargs) Initialize self.  See help(type(self)) for accurate signature. __new__(*args, **kwargs) from builtins.type Create and return a new object.  See help(type) for accurate signature. Data descriptors defined here: holidays A copy of the holiday array indicating additional invalid days. weekmask A copy of the seven-element boolean mask indicating valid days.   byte = class int8(signedinteger)     8-bit integer. Character code ``b``. C char compatible.     Method resolution order: int8 signedinteger integer number generic builtins.object Methods defined here: __abs__(self, /) abs(self) __add__(self, value, /) Return self+value. __and__(self, value, /) Return self&value. __bool__(self, /) self != 0 __divmod__(self, value, /) Return divmod(self, value). __eq__(self, value, /) Return self==value. __float__(self, /) float(self) __floordiv__(self, value, /) Return self//value. __ge__(self, value, /) Return self>=value. __gt__(self, value, /) Return self>value. __hash__(self, /) Return hash(self). __index__(self, /) Return self converted to an integer, if self is suitable for use as an index into a list. __int__(self, /) int(self) __invert__(self, /) ~self __le__(self, value, /) Return self<=value. __lshift__(self, value, /) Return self<<value. __lt__(self, value, /) Return self<value. __mod__(self, value, /) Return self%value. __mul__(self, value, /) Return self*value. __ne__(self, value, /) Return self!=value. __neg__(self, /) -self __new__(*args, **kwargs) from builtins.type Create and return a new object.  See help(type) for accurate signature. __or__(self, value, /) Return self|value. __pos__(self, /) +self __pow__(self, value, mod=None, /) Return pow(self, value, mod). __radd__(self, value, /) Return value+self. __rand__(self, value, /) Return value&self. __rdivmod__(self, value, /) Return divmod(value, self). __repr__(self, /) Return repr(self). __rfloordiv__(self, value, /) Return value//self. __rlshift__(self, value, /) Return value<<self. __rmod__(self, value, /) Return value%self. __rmul__(self, value, /) Return value*self. __ror__(self, value, /) Return value|self. __rpow__(self, value, mod=None, /) Return pow(value, self, mod). __rrshift__(self, value, /) Return value>>self. __rshift__(self, value, /) Return self>>value. __rsub__(self, value, /) Return value-self. __rtruediv__(self, value, /) Return value/self. __rxor__(self, value, /) Return value^self. __str__(self, /) Return str(self). __sub__(self, value, /) Return self-value. __truediv__(self, value, /) Return self/value. __xor__(self, value, /) Return self^value. Data descriptors inherited from integer: denominator denominator of value (1) numerator numerator of value (the value itself) Methods inherited from generic: __array__(...) sc.__array__(dtype) return 0-dim array from scalar with specified dtype __array_wrap__(...) sc.__array_wrap__(obj) return scalar from array __copy__(...) __deepcopy__(...) __format__(...) NumPy array scalar formatter __getitem__(self, key, /) Return self[key]. __reduce__(...) helper for pickle __round__(...) __setstate__(...) __sizeof__(...) __sizeof__() -> int size of object in memory, in bytes all(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. any(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmax(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmin(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argsort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. astype(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. byteswap(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. choose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. clip(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. compress(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. conj(...) conjugate(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. copy(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumprod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumsum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. diagonal(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dump(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dumps(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. fill(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. flatten(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. getfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. item(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. itemset(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. max(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. mean(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. min(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. newbyteorder(...) newbyteorder(new_order='S')   Return a new `dtype` with a different byte order.   Changes are also made in all fields and sub-arrays of the data type.   The `new_order` code can be any from the following:   * 'S' - swap dtype from current to opposite endian * {'<', 'L'} - little endian * {'>', 'B'} - big endian * {'=', 'N'} - native order * {'|', 'I'} - ignore (no change to byte order)   Parameters ---------- new_order : str, optional     Byte order to force; a value from the byte order specifications     above.  The default value ('S') results in swapping the current     byte order. The code does a case-insensitive check on the first     letter of `new_order` for the alternatives above.  For example,     any of 'B' or 'b' or 'biggish' are valid to specify big-endian.     Returns ------- new_dtype : dtype     New `dtype` object with the given change to the byte order. nonzero(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. prod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ptp(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. put(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ravel(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. repeat(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. reshape(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. resize(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. round(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. searchsorted(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setflags(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. squeeze(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. std(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. swapaxes(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. take(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tobytes(...) tofile(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tolist(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tostring(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. trace(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. transpose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. var(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. view(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. Data descriptors inherited from generic: T transpose __array_interface__ Array protocol: Python side __array_priority__ Array priority. __array_struct__ Array protocol: struct base base object data pointer to start of data dtype get array data-descriptor flags integer value of flags flat a 1-d view of scalar imag imaginary part of scalar itemsize length of one element in bytes nbytes length of item in bytes ndim number of array dimensions real real part of scalar shape tuple of array dimensions size number of elements in the gentype strides tuple of bytes steps in each dimension   bytes0 = class bytes_(builtins.bytes, character)     bytes(iterable_of_ints) -> bytes bytes(string, encoding[, errors]) -> bytes bytes(bytes_or_buffer) -> immutable copy of bytes_or_buffer bytes(int) -> bytes object of size given by the parameter initialized with null bytes bytes() -> empty bytes object   Construct an immutable array of bytes from:   - an iterable yielding integers in range(256)   - a text string encoded using the specified encoding   - any object implementing the buffer API.   - an integer     Method resolution order: bytes_ builtins.bytes character flexible generic builtins.object Methods defined here: __eq__(self, value, /) Return self==value. __ge__(self, value, /) Return self>=value. __gt__(self, value, /) Return self>value. __hash__(self, /) Return hash(self). __le__(self, value, /) Return self<=value. __lt__(self, value, /) Return self<value. __ne__(self, value, /) Return self!=value. __new__(*args, **kwargs) from builtins.type Create and return a new object.  See help(type) for accurate signature. __repr__(self, /) Return repr(self). __str__(self, /) Return str(self). Methods inherited from builtins.bytes: __add__(self, value, /) Return self+value. __contains__(self, key, /) Return key in self. __getattribute__(self, name, /) Return getattr(self, name). __getitem__(self, key, /) Return self[key]. __getnewargs__(...) __iter__(self, /) Implement iter(self). __len__(self, /) Return len(self). __mod__(self, value, /) Return self%value. __mul__(self, value, /) Return self*value.n __rmod__(self, value, /) Return value%self. __rmul__(self, value, /) Return self*value. capitalize(...) B.capitalize() -> copy of B   Return a copy of B with only its first character capitalized (ASCII) and the rest lower-cased. center(...) B.center(width[, fillchar]) -> copy of B   Return B centered in a string of length width.  Padding is done using the specified fill character (default is a space). count(...) B.count(sub[, start[, end]]) -> int   Return the number of non-overlapping occurrences of subsection sub in bytes B[start:end].  Optional arguments start and end are interpreted as in slice notation. decode(self, /, encoding='utf-8', errors='strict') Decode the bytes using the codec registered for encoding.   encoding   The encoding with which to decode the bytes. errors   The error handling scheme to use for the handling of decoding errors.   The default is 'strict' meaning that decoding errors raise a   UnicodeDecodeError. Other possible values are 'ignore' and 'replace'   as well as any other name registered with codecs.register_error that   can handle UnicodeDecodeErrors. endswith(...) B.endswith(suffix[, start[, end]]) -> bool   Return True if B ends with the specified suffix, False otherwise. With optional start, test B beginning at that position. With optional end, stop comparing B at that position. suffix can also be a tuple of bytes to try. expandtabs(...) B.expandtabs(tabsize=8) -> copy of B   Return a copy of B where all tab characters are expanded using spaces. If tabsize is not given, a tab size of 8 characters is assumed. find(...) B.find(sub[, start[, end]]) -> int   Return the lowest index in B where subsection sub is found, such that sub is contained within B[start,end].  Optional arguments start and end are interpreted as in slice notation.   Return -1 on failure. fromhex(string, /) from builtins.type Create a bytes object from a string of hexadecimal numbers.   Spaces between two numbers are accepted. Example: bytes.fromhex('B9 01EF') -> b'\\xb9\\x01\\xef'. hex(...) B.hex() -> string   Create a string of hexadecimal numbers from a bytes object. Example: b'\xb9\x01\xef'.hex() -> 'b901ef'. index(...) B.index(sub[, start[, end]]) -> int   Return the lowest index in B where subsection sub is found, such that sub is contained within B[start,end].  Optional arguments start and end are interpreted as in slice notation.   Raises ValueError when the subsection is not found. isalnum(...) B.isalnum() -> bool   Return True if all characters in B are alphanumeric and there is at least one character in B, False otherwise. isalpha(...) B.isalpha() -> bool   Return True if all characters in B are alphabetic and there is at least one character in B, False otherwise. isdigit(...) B.isdigit() -> bool   Return True if all characters in B are digits and there is at least one character in B, False otherwise. islower(...) B.islower() -> bool   Return True if all cased characters in B are lowercase and there is at least one cased character in B, False otherwise. isspace(...) B.isspace() -> bool   Return True if all characters in B are whitespace and there is at least one character in B, False otherwise. istitle(...) B.istitle() -> bool   Return True if B is a titlecased string and there is at least one character in B, i.e. uppercase characters may only follow uncased characters and lowercase characters only cased ones. Return False otherwise. isupper(...) B.isupper() -> bool   Return True if all cased characters in B are uppercase and there is at least one cased character in B, False otherwise. join(self, iterable_of_bytes, /) Concatenate any number of bytes objects.   The bytes whose method is called is inserted in between each pair.   The result is returned as a new bytes object.   Example: b'.'.join([b'ab', b'pq', b'rs']) -> b'ab.pq.rs'. ljust(...) B.ljust(width[, fillchar]) -> copy of B   Return B left justified in a string of length width. Padding is done using the specified fill character (default is a space). lower(...) B.lower() -> copy of B   Return a copy of B with all ASCII characters converted to lowercase. lstrip(self, bytes=None, /) Strip leading bytes contained in the argument.   If the argument is omitted or None, strip leading  ASCII whitespace. partition(self, sep, /) Partition the bytes into three parts using the given separator.   This will search for the separator sep in the bytes. If the separator is found, returns a 3-tuple containing the part before the separator, the separator itself, and the part after it.   If the separator is not found, returns a 3-tuple containing the original bytes object and two empty bytes objects. replace(self, old, new, count=-1, /) Return a copy with all occurrences of substring old replaced by new.     count     Maximum number of occurrences to replace.     -1 (the default value) means replace all occurrences.   If the optional argument count is given, only the first count occurrences are replaced. rfind(...) B.rfind(sub[, start[, end]]) -> int   Return the highest index in B where subsection sub is found, such that sub is contained within B[start,end].  Optional arguments start and end are interpreted as in slice notation.   Return -1 on failure. rindex(...) B.rindex(sub[, start[, end]]) -> int   Return the highest index in B where subsection sub is found, such that sub is contained within B[start,end].  Optional arguments start and end are interpreted as in slice notation.   Raise ValueError when the subsection is not found. rjust(...) B.rjust(width[, fillchar]) -> copy of B   Return B right justified in a string of length width. Padding is done using the specified fill character (default is a space) rpartition(self, sep, /) Partition the bytes into three parts using the given separator.   This will search for the separator sep in the bytes, starting and the end. If the separator is found, returns a 3-tuple containing the part before the separator, the separator itself, and the part after it.   If the separator is not found, returns a 3-tuple containing two empty bytes objects and the original bytes object. rsplit(self, /, sep=None, maxsplit=-1) Return a list of the sections in the bytes, using sep as the delimiter.     sep     The delimiter according which to split the bytes.     None (the default value) means split on ASCII whitespace characters     (space, tab, return, newline, formfeed, vertical tab).   maxsplit     Maximum number of splits to do.     -1 (the default value) means no limit.   Splitting is done starting at the end of the bytes and working to the front. rstrip(self, bytes=None, /) Strip trailing bytes contained in the argument.   If the argument is omitted or None, strip trailing ASCII whitespace. split(self, /, sep=None, maxsplit=-1) Return a list of the sections in the bytes, using sep as the delimiter.   sep   The delimiter according which to split the bytes.   None (the default value) means split on ASCII whitespace characters   (space, tab, return, newline, formfeed, vertical tab). maxsplit   Maximum number of splits to do.   -1 (the default value) means no limit. splitlines(self, /, keepends=False) Return a list of the lines in the bytes, breaking at line boundaries.   Line breaks are not included in the resulting list unless keepends is given and true. startswith(...) B.startswith(prefix[, start[, end]]) -> bool   Return True if B starts with the specified prefix, False otherwise. With optional start, test B beginning at that position. With optional end, stop comparing B at that position. prefix can also be a tuple of bytes to try. strip(self, bytes=None, /) Strip leading and trailing bytes contained in the argument.   If the argument is omitted or None, strip leading and trailing ASCII whitespace. swapcase(...) B.swapcase() -> copy of B   Return a copy of B with uppercase ASCII characters converted to lowercase ASCII and vice versa. title(...) B.title() -> copy of B   Return a titlecased version of B, i.e. ASCII words start with uppercase characters, all remaining cased characters have lowercase. translate(self, table, /, delete=b'') Return a copy with each character mapped by the given translation table.     table     Translation table, which must be a bytes object of length 256.   All characters occurring in the optional argument delete are removed. The remaining characters are mapped through the given translation table. upper(...) B.upper() -> copy of B   Return a copy of B with all ASCII characters converted to uppercase. zfill(...) B.zfill(width) -> copy of B   Pad a numeric string B with zeros on the left, to fill a field of the specified width.  B is never truncated. Static methods inherited from builtins.bytes: maketrans(frm, to, /) Return a translation table useable for the bytes or bytearray translate method.   The returned table will be one where each byte in frm is mapped to the byte at the same position in to.   The bytes objects frm and to must be of the same length. Methods inherited from generic: __abs__(self, /) abs(self) __and__(self, value, /) Return self&value. __array__(...) sc.__array__(dtype) return 0-dim array from scalar with specified dtype __array_wrap__(...) sc.__array_wrap__(obj) return scalar from array __bool__(self, /) self != 0 __copy__(...) __deepcopy__(...) __divmod__(self, value, /) Return divmod(self, value). __float__(self, /) float(self) __floordiv__(self, value, /) Return self//value. __format__(...) NumPy array scalar formatter __int__(self, /) int(self) __invert__(self, /) ~self __lshift__(self, value, /) Return self<<value. __neg__(self, /) -self __or__(self, value, /) Return self|value. __pos__(self, /) +self __pow__(self, value, mod=None, /) Return pow(self, value, mod). __radd__(self, value, /) Return value+self. __rand__(self, value, /) Return value&self. __rdivmod__(self, value, /) Return divmod(value, self). __reduce__(...) helper for pickle __rfloordiv__(self, value, /) Return value//self. __rlshift__(self, value, /) Return value<<self. __ror__(self, value, /) Return value|self. __round__(...) __rpow__(self, value, mod=None, /) Return pow(value, self, mod). __rrshift__(self, value, /) Return value>>self. __rshift__(self, value, /) Return self>>value. __rsub__(self, value, /) Return value-self. __rtruediv__(self, value, /) Return value/self. __rxor__(self, value, /) Return value^self. __setstate__(...) __sizeof__(...) __sizeof__() -> int size of object in memory, in bytes __sub__(self, value, /) Return self-value. __truediv__(self, value, /) Return self/value. __xor__(self, value, /) Return self^value. all(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. any(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmax(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmin(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argsort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. astype(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. byteswap(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. choose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. clip(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. compress(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. conj(...) conjugate(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. copy(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumprod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumsum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. diagonal(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dump(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dumps(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. fill(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. flatten(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. getfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. item(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. itemset(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. max(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. mean(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. min(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. newbyteorder(...) newbyteorder(new_order='S')   Return a new `dtype` with a different byte order.   Changes are also made in all fields and sub-arrays of the data type.   The `new_order` code can be any from the following:   * 'S' - swap dtype from current to opposite endian * {'<', 'L'} - little endian * {'>', 'B'} - big endian * {'=', 'N'} - native order * {'|', 'I'} - ignore (no change to byte order)   Parameters ---------- new_order : str, optional     Byte order to force; a value from the byte order specifications     above.  The default value ('S') results in swapping the current     byte order. The code does a case-insensitive check on the first     letter of `new_order` for the alternatives above.  For example,     any of 'B' or 'b' or 'biggish' are valid to specify big-endian.     Returns ------- new_dtype : dtype     New `dtype` object with the given change to the byte order. nonzero(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. prod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ptp(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. put(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ravel(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. repeat(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. reshape(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. resize(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. round(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. searchsorted(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setflags(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. squeeze(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. std(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. swapaxes(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. take(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tobytes(...) tofile(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tolist(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tostring(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. trace(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. transpose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. var(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. view(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. Data descriptors inherited from generic: T transpose __array_interface__ Array protocol: Python side __array_priority__ Array priority. __array_struct__ Array protocol: struct base base object data pointer to start of data dtype get array data-descriptor flags integer value of flags flat a 1-d view of scalar imag imaginary part of scalar itemsize length of one element in bytes nbytes length of item in bytes ndim number of array dimensions real real part of scalar shape tuple of array dimensions size number of elements in the gentype strides tuple of bytes steps in each dimension   class bytes_(builtins.bytes, character)     bytes(iterable_of_ints) -> bytes bytes(string, encoding[, errors]) -> bytes bytes(bytes_or_buffer) -> immutable copy of bytes_or_buffer bytes(int) -> bytes object of size given by the parameter initialized with null bytes bytes() -> empty bytes object   Construct an immutable array of bytes from:   - an iterable yielding integers in range(256)   - a text string encoded using the specified encoding   - any object implementing the buffer API.   - an integer     Method resolution order: bytes_ builtins.bytes character flexible generic builtins.object Methods defined here: __eq__(self, value, /) Return self==value. __ge__(self, value, /) Return self>=value. __gt__(self, value, /) Return self>value. __hash__(self, /) Return hash(self). __le__(self, value, /) Return self<=value. __lt__(self, value, /) Return self<value. __ne__(self, value, /) Return self!=value. __new__(*args, **kwargs) from builtins.type Create and return a new object.  See help(type) for accurate signature. __repr__(self, /) Return repr(self). __str__(self, /) Return str(self). Methods inherited from builtins.bytes: __add__(self, value, /) Return self+value. __contains__(self, key, /) Return key in self. __getattribute__(self, name, /) Return getattr(self, name). __getitem__(self, key, /) Return self[key]. __getnewargs__(...) __iter__(self, /) Implement iter(self). __len__(self, /) Return len(self). __mod__(self, value, /) Return self%value. __mul__(self, value, /) Return self*value.n __rmod__(self, value, /) Return value%self. __rmul__(self, value, /) Return self*value. capitalize(...) B.capitalize() -> copy of B   Return a copy of B with only its first character capitalized (ASCII) and the rest lower-cased. center(...) B.center(width[, fillchar]) -> copy of B   Return B centered in a string of length width.  Padding is done using the specified fill character (default is a space). count(...) B.count(sub[, start[, end]]) -> int   Return the number of non-overlapping occurrences of subsection sub in bytes B[start:end].  Optional arguments start and end are interpreted as in slice notation. decode(self, /, encoding='utf-8', errors='strict') Decode the bytes using the codec registered for encoding.   encoding   The encoding with which to decode the bytes. errors   The error handling scheme to use for the handling of decoding errors.   The default is 'strict' meaning that decoding errors raise a   UnicodeDecodeError. Other possible values are 'ignore' and 'replace'   as well as any other name registered with codecs.register_error that   can handle UnicodeDecodeErrors. endswith(...) B.endswith(suffix[, start[, end]]) -> bool   Return True if B ends with the specified suffix, False otherwise. With optional start, test B beginning at that position. With optional end, stop comparing B at that position. suffix can also be a tuple of bytes to try. expandtabs(...) B.expandtabs(tabsize=8) -> copy of B   Return a copy of B where all tab characters are expanded using spaces. If tabsize is not given, a tab size of 8 characters is assumed. find(...) B.find(sub[, start[, end]]) -> int   Return the lowest index in B where subsection sub is found, such that sub is contained within B[start,end].  Optional arguments start and end are interpreted as in slice notation.   Return -1 on failure. fromhex(string, /) from builtins.type Create a bytes object from a string of hexadecimal numbers.   Spaces between two numbers are accepted. Example: bytes.fromhex('B9 01EF') -> b'\\xb9\\x01\\xef'. hex(...) B.hex() -> string   Create a string of hexadecimal numbers from a bytes object. Example: b'\xb9\x01\xef'.hex() -> 'b901ef'. index(...) B.index(sub[, start[, end]]) -> int   Return the lowest index in B where subsection sub is found, such that sub is contained within B[start,end].  Optional arguments start and end are interpreted as in slice notation.   Raises ValueError when the subsection is not found. isalnum(...) B.isalnum() -> bool   Return True if all characters in B are alphanumeric and there is at least one character in B, False otherwise. isalpha(...) B.isalpha() -> bool   Return True if all characters in B are alphabetic and there is at least one character in B, False otherwise. isdigit(...) B.isdigit() -> bool   Return True if all characters in B are digits and there is at least one character in B, False otherwise. islower(...) B.islower() -> bool   Return True if all cased characters in B are lowercase and there is at least one cased character in B, False otherwise. isspace(...) B.isspace() -> bool   Return True if all characters in B are whitespace and there is at least one character in B, False otherwise. istitle(...) B.istitle() -> bool   Return True if B is a titlecased string and there is at least one character in B, i.e. uppercase characters may only follow uncased characters and lowercase characters only cased ones. Return False otherwise. isupper(...) B.isupper() -> bool   Return True if all cased characters in B are uppercase and there is at least one cased character in B, False otherwise. join(self, iterable_of_bytes, /) Concatenate any number of bytes objects.   The bytes whose method is called is inserted in between each pair.   The result is returned as a new bytes object.   Example: b'.'.join([b'ab', b'pq', b'rs']) -> b'ab.pq.rs'. ljust(...) B.ljust(width[, fillchar]) -> copy of B   Return B left justified in a string of length width. Padding is done using the specified fill character (default is a space). lower(...) B.lower() -> copy of B   Return a copy of B with all ASCII characters converted to lowercase. lstrip(self, bytes=None, /) Strip leading bytes contained in the argument.   If the argument is omitted or None, strip leading  ASCII whitespace. partition(self, sep, /) Partition the bytes into three parts using the given separator.   This will search for the separator sep in the bytes. If the separator is found, returns a 3-tuple containing the part before the separator, the separator itself, and the part after it.   If the separator is not found, returns a 3-tuple containing the original bytes object and two empty bytes objects. replace(self, old, new, count=-1, /) Return a copy with all occurrences of substring old replaced by new.     count     Maximum number of occurrences to replace.     -1 (the default value) means replace all occurrences.   If the optional argument count is given, only the first count occurrences are replaced. rfind(...) B.rfind(sub[, start[, end]]) -> int   Return the highest index in B where subsection sub is found, such that sub is contained within B[start,end].  Optional arguments start and end are interpreted as in slice notation.   Return -1 on failure. rindex(...) B.rindex(sub[, start[, end]]) -> int   Return the highest index in B where subsection sub is found, such that sub is contained within B[start,end].  Optional arguments start and end are interpreted as in slice notation.   Raise ValueError when the subsection is not found. rjust(...) B.rjust(width[, fillchar]) -> copy of B   Return B right justified in a string of length width. Padding is done using the specified fill character (default is a space) rpartition(self, sep, /) Partition the bytes into three parts using the given separator.   This will search for the separator sep in the bytes, starting and the end. If the separator is found, returns a 3-tuple containing the part before the separator, the separator itself, and the part after it.   If the separator is not found, returns a 3-tuple containing two empty bytes objects and the original bytes object. rsplit(self, /, sep=None, maxsplit=-1) Return a list of the sections in the bytes, using sep as the delimiter.     sep     The delimiter according which to split the bytes.     None (the default value) means split on ASCII whitespace characters     (space, tab, return, newline, formfeed, vertical tab).   maxsplit     Maximum number of splits to do.     -1 (the default value) means no limit.   Splitting is done starting at the end of the bytes and working to the front. rstrip(self, bytes=None, /) Strip trailing bytes contained in the argument.   If the argument is omitted or None, strip trailing ASCII whitespace. split(self, /, sep=None, maxsplit=-1) Return a list of the sections in the bytes, using sep as the delimiter.   sep   The delimiter according which to split the bytes.   None (the default value) means split on ASCII whitespace characters   (space, tab, return, newline, formfeed, vertical tab). maxsplit   Maximum number of splits to do.   -1 (the default value) means no limit. splitlines(self, /, keepends=False) Return a list of the lines in the bytes, breaking at line boundaries.   Line breaks are not included in the resulting list unless keepends is given and true. startswith(...) B.startswith(prefix[, start[, end]]) -> bool   Return True if B starts with the specified prefix, False otherwise. With optional start, test B beginning at that position. With optional end, stop comparing B at that position. prefix can also be a tuple of bytes to try. strip(self, bytes=None, /) Strip leading and trailing bytes contained in the argument.   If the argument is omitted or None, strip leading and trailing ASCII whitespace. swapcase(...) B.swapcase() -> copy of B   Return a copy of B with uppercase ASCII characters converted to lowercase ASCII and vice versa. title(...) B.title() -> copy of B   Return a titlecased version of B, i.e. ASCII words start with uppercase characters, all remaining cased characters have lowercase. translate(self, table, /, delete=b'') Return a copy with each character mapped by the given translation table.     table     Translation table, which must be a bytes object of length 256.   All characters occurring in the optional argument delete are removed. The remaining characters are mapped through the given translation table. upper(...) B.upper() -> copy of B   Return a copy of B with all ASCII characters converted to uppercase. zfill(...) B.zfill(width) -> copy of B   Pad a numeric string B with zeros on the left, to fill a field of the specified width.  B is never truncated. Static methods inherited from builtins.bytes: maketrans(frm, to, /) Return a translation table useable for the bytes or bytearray translate method.   The returned table will be one where each byte in frm is mapped to the byte at the same position in to.   The bytes objects frm and to must be of the same length. Methods inherited from generic: __abs__(self, /) abs(self) __and__(self, value, /) Return self&value. __array__(...) sc.__array__(dtype) return 0-dim array from scalar with specified dtype __array_wrap__(...) sc.__array_wrap__(obj) return scalar from array __bool__(self, /) self != 0 __copy__(...) __deepcopy__(...) __divmod__(self, value, /) Return divmod(self, value). __float__(self, /) float(self) __floordiv__(self, value, /) Return self//value. __format__(...) NumPy array scalar formatter __int__(self, /) int(self) __invert__(self, /) ~self __lshift__(self, value, /) Return self<<value. __neg__(self, /) -self __or__(self, value, /) Return self|value. __pos__(self, /) +self __pow__(self, value, mod=None, /) Return pow(self, value, mod). __radd__(self, value, /) Return value+self. __rand__(self, value, /) Return value&self. __rdivmod__(self, value, /) Return divmod(value, self). __reduce__(...) helper for pickle __rfloordiv__(self, value, /) Return value//self. __rlshift__(self, value, /) Return value<<self. __ror__(self, value, /) Return value|self. __round__(...) __rpow__(self, value, mod=None, /) Return pow(value, self, mod). __rrshift__(self, value, /) Return value>>self. __rshift__(self, value, /) Return self>>value. __rsub__(self, value, /) Return value-self. __rtruediv__(self, value, /) Return value/self. __rxor__(self, value, /) Return value^self. __setstate__(...) __sizeof__(...) __sizeof__() -> int size of object in memory, in bytes __sub__(self, value, /) Return self-value. __truediv__(self, value, /) Return self/value. __xor__(self, value, /) Return self^value. all(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. any(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmax(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmin(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argsort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. astype(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. byteswap(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. choose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. clip(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. compress(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. conj(...) conjugate(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. copy(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumprod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumsum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. diagonal(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dump(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dumps(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. fill(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. flatten(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. getfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. item(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. itemset(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. max(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. mean(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. min(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. newbyteorder(...) newbyteorder(new_order='S')   Return a new `dtype` with a different byte order.   Changes are also made in all fields and sub-arrays of the data type.   The `new_order` code can be any from the following:   * 'S' - swap dtype from current to opposite endian * {'<', 'L'} - little endian * {'>', 'B'} - big endian * {'=', 'N'} - native order * {'|', 'I'} - ignore (no change to byte order)   Parameters ---------- new_order : str, optional     Byte order to force; a value from the byte order specifications     above.  The default value ('S') results in swapping the current     byte order. The code does a case-insensitive check on the first     letter of `new_order` for the alternatives above.  For example,     any of 'B' or 'b' or 'biggish' are valid to specify big-endian.     Returns ------- new_dtype : dtype     New `dtype` object with the given change to the byte order. nonzero(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. prod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ptp(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. put(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ravel(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. repeat(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. reshape(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. resize(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. round(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. searchsorted(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setflags(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. squeeze(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. std(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. swapaxes(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. take(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tobytes(...) tofile(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tolist(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tostring(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. trace(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. transpose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. var(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. view(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. Data descriptors inherited from generic: T transpose __array_interface__ Array protocol: Python side __array_priority__ Array priority. __array_struct__ Array protocol: struct base base object data pointer to start of data dtype get array data-descriptor flags integer value of flags flat a 1-d view of scalar imag imaginary part of scalar itemsize length of one element in bytes nbytes length of item in bytes ndim number of array dimensions real real part of scalar shape tuple of array dimensions size number of elements in the gentype strides tuple of bytes steps in each dimension   cdouble = class complex128(complexfloating, builtins.complex)     Composed of two 64 bit floats     Method resolution order: complex128 complexfloating inexact number generic builtins.complex builtins.object Methods defined here: __abs__(self, /) abs(self) __add__(self, value, /) Return self+value. __and__(self, value, /) Return self&value. __bool__(self, /) self != 0 __divmod__(self, value, /) Return divmod(self, value). __eq__(self, value, /) Return self==value. __float__(self, /) float(self) __floordiv__(self, value, /) Return self//value. __ge__(self, value, /) Return self>=value. __gt__(self, value, /) Return self>value. __hash__(self, /) Return hash(self). __int__(self, /) int(self) __invert__(self, /) ~self __le__(self, value, /) Return self<=value. __lshift__(self, value, /) Return self<<value. __lt__(self, value, /) Return self<value. __mod__(self, value, /) Return self%value. __mul__(self, value, /) Return self*value. __ne__(self, value, /) Return self!=value. __neg__(self, /) -self __new__(*args, **kwargs) from builtins.type Create and return a new object.  See help(type) for accurate signature. __or__(self, value, /) Return self|value. __pos__(self, /) +self __pow__(self, value, mod=None, /) Return pow(self, value, mod). __radd__(self, value, /) Return value+self. __rand__(self, value, /) Return value&self. __rdivmod__(self, value, /) Return divmod(value, self). __repr__(self, /) Return repr(self). __rfloordiv__(self, value, /) Return value//self. __rlshift__(self, value, /) Return value<<self. __rmod__(self, value, /) Return value%self. __rmul__(self, value, /) Return value*self. __ror__(self, value, /) Return value|self. __rpow__(self, value, mod=None, /) Return pow(value, self, mod). __rrshift__(self, value, /) Return value>>self. __rshift__(self, value, /) Return self>>value. __rsub__(self, value, /) Return value-self. __rtruediv__(self, value, /) Return value/self. __rxor__(self, value, /) Return value^self. __str__(self, /) Return str(self). __sub__(self, value, /) Return self-value. __truediv__(self, value, /) Return self/value. __xor__(self, value, /) Return self^value. Methods inherited from generic: __array__(...) sc.__array__(dtype) return 0-dim array from scalar with specified dtype __array_wrap__(...) sc.__array_wrap__(obj) return scalar from array __copy__(...) __deepcopy__(...) __format__(...) NumPy array scalar formatter __getitem__(self, key, /) Return self[key]. __reduce__(...) helper for pickle __round__(...) __setstate__(...) __sizeof__(...) __sizeof__() -> int size of object in memory, in bytes all(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. any(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmax(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmin(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argsort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. astype(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. byteswap(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. choose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. clip(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. compress(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. conj(...) conjugate(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. copy(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumprod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumsum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. diagonal(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dump(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dumps(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. fill(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. flatten(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. getfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. item(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. itemset(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. max(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. mean(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. min(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. newbyteorder(...) newbyteorder(new_order='S')   Return a new `dtype` with a different byte order.   Changes are also made in all fields and sub-arrays of the data type.   The `new_order` code can be any from the following:   * 'S' - swap dtype from current to opposite endian * {'<', 'L'} - little endian * {'>', 'B'} - big endian * {'=', 'N'} - native order * {'|', 'I'} - ignore (no change to byte order)   Parameters ---------- new_order : str, optional     Byte order to force; a value from the byte order specifications     above.  The default value ('S') results in swapping the current     byte order. The code does a case-insensitive check on the first     letter of `new_order` for the alternatives above.  For example,     any of 'B' or 'b' or 'biggish' are valid to specify big-endian.     Returns ------- new_dtype : dtype     New `dtype` object with the given change to the byte order. nonzero(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. prod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ptp(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. put(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ravel(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. repeat(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. reshape(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. resize(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. round(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. searchsorted(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setflags(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. squeeze(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. std(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. swapaxes(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. take(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tobytes(...) tofile(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tolist(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tostring(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. trace(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. transpose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. var(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. view(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. Data descriptors inherited from generic: T transpose __array_interface__ Array protocol: Python side __array_priority__ Array priority. __array_struct__ Array protocol: struct base base object data pointer to start of data dtype get array data-descriptor flags integer value of flags flat a 1-d view of scalar imag imaginary part of scalar itemsize length of one element in bytes nbytes length of item in bytes ndim number of array dimensions real real part of scalar shape tuple of array dimensions size number of elements in the gentype strides tuple of bytes steps in each dimension Methods inherited from builtins.complex: __getattribute__(self, name, /) Return getattr(self, name). __getnewargs__(...)   cfloat = class complex128(complexfloating, builtins.complex)     Composed of two 64 bit floats     Method resolution order: complex128 complexfloating inexact number generic builtins.complex builtins.object Methods defined here: __abs__(self, /) abs(self) __add__(self, value, /) Return self+value. __and__(self, value, /) Return self&value. __bool__(self, /) self != 0 __divmod__(self, value, /) Return divmod(self, value). __eq__(self, value, /) Return self==value. __float__(self, /) float(self) __floordiv__(self, value, /) Return self//value. __ge__(self, value, /) Return self>=value. __gt__(self, value, /) Return self>value. __hash__(self, /) Return hash(self). __int__(self, /) int(self) __invert__(self, /) ~self __le__(self, value, /) Return self<=value. __lshift__(self, value, /) Return self<<value. __lt__(self, value, /) Return self<value. __mod__(self, value, /) Return self%value. __mul__(self, value, /) Return self*value. __ne__(self, value, /) Return self!=value. __neg__(self, /) -self __new__(*args, **kwargs) from builtins.type Create and return a new object.  See help(type) for accurate signature. __or__(self, value, /) Return self|value. __pos__(self, /) +self __pow__(self, value, mod=None, /) Return pow(self, value, mod). __radd__(self, value, /) Return value+self. __rand__(self, value, /) Return value&self. __rdivmod__(self, value, /) Return divmod(value, self). __repr__(self, /) Return repr(self). __rfloordiv__(self, value, /) Return value//self. __rlshift__(self, value, /) Return value<<self. __rmod__(self, value, /) Return value%self. __rmul__(self, value, /) Return value*self. __ror__(self, value, /) Return value|self. __rpow__(self, value, mod=None, /) Return pow(value, self, mod). __rrshift__(self, value, /) Return value>>self. __rshift__(self, value, /) Return self>>value. __rsub__(self, value, /) Return value-self. __rtruediv__(self, value, /) Return value/self. __rxor__(self, value, /) Return value^self. __str__(self, /) Return str(self). __sub__(self, value, /) Return self-value. __truediv__(self, value, /) Return self/value. __xor__(self, value, /) Return self^value. Methods inherited from generic: __array__(...) sc.__array__(dtype) return 0-dim array from scalar with specified dtype __array_wrap__(...) sc.__array_wrap__(obj) return scalar from array __copy__(...) __deepcopy__(...) __format__(...) NumPy array scalar formatter __getitem__(self, key, /) Return self[key]. __reduce__(...) helper for pickle __round__(...) __setstate__(...) __sizeof__(...) __sizeof__() -> int size of object in memory, in bytes all(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. any(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmax(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmin(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argsort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. astype(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. byteswap(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. choose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. clip(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. compress(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. conj(...) conjugate(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. copy(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumprod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumsum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. diagonal(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dump(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dumps(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. fill(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. flatten(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. getfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. item(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. itemset(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. max(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. mean(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. min(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. newbyteorder(...) newbyteorder(new_order='S')   Return a new `dtype` with a different byte order.   Changes are also made in all fields and sub-arrays of the data type.   The `new_order` code can be any from the following:   * 'S' - swap dtype from current to opposite endian * {'<', 'L'} - little endian * {'>', 'B'} - big endian * {'=', 'N'} - native order * {'|', 'I'} - ignore (no change to byte order)   Parameters ---------- new_order : str, optional     Byte order to force; a value from the byte order specifications     above.  The default value ('S') results in swapping the current     byte order. The code does a case-insensitive check on the first     letter of `new_order` for the alternatives above.  For example,     any of 'B' or 'b' or 'biggish' are valid to specify big-endian.     Returns ------- new_dtype : dtype     New `dtype` object with the given change to the byte order. nonzero(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. prod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ptp(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. put(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ravel(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. repeat(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. reshape(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. resize(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. round(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. searchsorted(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setflags(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. squeeze(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. std(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. swapaxes(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. take(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tobytes(...) tofile(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tolist(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tostring(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. trace(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. transpose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. var(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. view(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. Data descriptors inherited from generic: T transpose __array_interface__ Array protocol: Python side __array_priority__ Array priority. __array_struct__ Array protocol: struct base base object data pointer to start of data dtype get array data-descriptor flags integer value of flags flat a 1-d view of scalar imag imaginary part of scalar itemsize length of one element in bytes nbytes length of item in bytes ndim number of array dimensions real real part of scalar shape tuple of array dimensions size number of elements in the gentype strides tuple of bytes steps in each dimension Methods inherited from builtins.complex: __getattribute__(self, name, /) Return getattr(self, name). __getnewargs__(...)   class character(flexible)     Base class for numpy scalar types.   Class from which most (all?) numpy scalar types are derived.  For consistency, exposes the same API as `ndarray`, despite many consequent attributes being either "get-only," or completely irrelevant. This is the class from which it is strongly suggested users should derive custom scalar types.     Method resolution order: character flexible generic builtins.object Methods inherited from generic: __abs__(self, /) abs(self) __add__(self, value, /) Return self+value. __and__(self, value, /) Return self&value. __array__(...) sc.__array__(dtype) return 0-dim array from scalar with specified dtype __array_wrap__(...) sc.__array_wrap__(obj) return scalar from array __bool__(self, /) self != 0 __copy__(...) __deepcopy__(...) __divmod__(self, value, /) Return divmod(self, value). __eq__(self, value, /) Return self==value. __float__(self, /) float(self) __floordiv__(self, value, /) Return self//value. __format__(...) NumPy array scalar formatter __ge__(self, value, /) Return self>=value. __getitem__(self, key, /) Return self[key]. __gt__(self, value, /) Return self>value. __int__(self, /) int(self) __invert__(self, /) ~self __le__(self, value, /) Return self<=value. __lshift__(self, value, /) Return self<<value. __lt__(self, value, /) Return self<value. __mod__(self, value, /) Return self%value. __mul__(self, value, /) Return self*value. __ne__(self, value, /) Return self!=value. __neg__(self, /) -self __or__(self, value, /) Return self|value. __pos__(self, /) +self __pow__(self, value, mod=None, /) Return pow(self, value, mod). __radd__(self, value, /) Return value+self. __rand__(self, value, /) Return value&self. __rdivmod__(self, value, /) Return divmod(value, self). __reduce__(...) helper for pickle __rfloordiv__(self, value, /) Return value//self. __rlshift__(self, value, /) Return value<<self. __rmod__(self, value, /) Return value%self. __rmul__(self, value, /) Return value*self. __ror__(self, value, /) Return value|self. __round__(...) __rpow__(self, value, mod=None, /) Return pow(value, self, mod). __rrshift__(self, value, /) Return value>>self. __rshift__(self, value, /) Return self>>value. __rsub__(self, value, /) Return value-self. __rtruediv__(self, value, /) Return value/self. __rxor__(self, value, /) Return value^self. __setstate__(...) __sizeof__(...) __sizeof__() -> int size of object in memory, in bytes __sub__(self, value, /) Return self-value. __truediv__(self, value, /) Return self/value. __xor__(self, value, /) Return self^value. all(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. any(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmax(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmin(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argsort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. astype(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. byteswap(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. choose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. clip(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. compress(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. conj(...) conjugate(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. copy(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumprod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumsum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. diagonal(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dump(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dumps(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. fill(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. flatten(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. getfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. item(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. itemset(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. max(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. mean(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. min(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. newbyteorder(...) newbyteorder(new_order='S')   Return a new `dtype` with a different byte order.   Changes are also made in all fields and sub-arrays of the data type.   The `new_order` code can be any from the following:   * 'S' - swap dtype from current to opposite endian * {'<', 'L'} - little endian * {'>', 'B'} - big endian * {'=', 'N'} - native order * {'|', 'I'} - ignore (no change to byte order)   Parameters ---------- new_order : str, optional     Byte order to force; a value from the byte order specifications     above.  The default value ('S') results in swapping the current     byte order. The code does a case-insensitive check on the first     letter of `new_order` for the alternatives above.  For example,     any of 'B' or 'b' or 'biggish' are valid to specify big-endian.     Returns ------- new_dtype : dtype     New `dtype` object with the given change to the byte order. nonzero(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. prod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ptp(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. put(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ravel(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. repeat(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. reshape(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. resize(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. round(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. searchsorted(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setflags(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. squeeze(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. std(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. swapaxes(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. take(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tobytes(...) tofile(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tolist(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tostring(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. trace(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. transpose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. var(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. view(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. Data descriptors inherited from generic: T transpose __array_interface__ Array protocol: Python side __array_priority__ Array priority. __array_struct__ Array protocol: struct base base object data pointer to start of data dtype get array data-descriptor flags integer value of flags flat a 1-d view of scalar imag imaginary part of scalar itemsize length of one element in bytes nbytes length of item in bytes ndim number of array dimensions real real part of scalar shape tuple of array dimensions size number of elements in the gentype strides tuple of bytes steps in each dimension Data and other attributes inherited from generic: __hash__ = None   class chararray(numpy.ndarray)     chararray(shape, itemsize=1, unicode=False, buffer=None, offset=0,           strides=None, order=None)   Provides a convenient view on arrays of string and unicode values.   .. note::    The `chararray` class exists for backwards compatibility with    Numarray, it is not recommended for new development. Starting from numpy    1.4, if one needs arrays of strings, it is recommended to use arrays of    `dtype` `object_`, `string_` or `unicode_`, and use the free functions    in the `numpy.char` module for fast vectorized string operations.   Versus a regular NumPy array of type `str` or `unicode`, this class adds the following functionality:     1) values automatically have whitespace removed from the end      when indexed     2) comparison operators automatically remove whitespace from the      end when comparing values     3) vectorized string operations are provided as methods      (e.g. `.endswith`) and infix operators (e.g. ``"+", "*", "%"``)   chararrays should be created using `numpy.char.array` or `numpy.char.asarray`, rather than this constructor directly.   This constructor creates the array, using `buffer` (with `offset` and `strides`) if it is not ``None``. If `buffer` is ``None``, then constructs a new array with `strides` in "C order", unless both ``len(shape) >= 2`` and ``order='Fortran'``, in which case `strides` is in "Fortran order".   Methods ------- astype argsort copy count decode dump dumps encode endswith expandtabs fill find flatten getfield index isalnum isalpha isdecimal isdigit islower isnumeric isspace istitle isupper item join ljust lower lstrip nonzero put ravel repeat replace reshape resize rfind rindex rjust rsplit rstrip searchsorted setfield setflags sort split splitlines squeeze startswith strip swapaxes swapcase take title tofile tolist tostring translate transpose upper view zfill   Parameters ---------- shape : tuple     Shape of the array. itemsize : int, optional     Length of each array element, in number of characters. Default is 1. unicode : bool, optional     Are the array elements of type unicode (True) or string (False).     Default is False. buffer : int, optional     Memory address of the start of the array data.  Default is None,     in which case a new array is created. offset : int, optional     Fixed stride displacement from the beginning of an axis?     Default is 0. Needs to be >=0. strides : array_like of ints, optional     Strides for the array (see `ndarray.strides` for full description).     Default is None. order : {'C', 'F'}, optional     The order in which the array data is stored in memory: 'C' ->     "row major" order (the default), 'F' -> "column major"     (Fortran) order.   Examples -------- >>> charar = np.chararray((3, 3)) >>> charar[:] = 'a' >>> charar chararray([['a', 'a', 'a'],        ['a', 'a', 'a'],        ['a', 'a', 'a']],       dtype='|S1')   >>> charar = np.chararray(charar.shape, itemsize=5) >>> charar[:] = 'abc' >>> charar chararray([['abc', 'abc', 'abc'],        ['abc', 'abc', 'abc'],        ['abc', 'abc', 'abc']],       dtype='|S5')     Method resolution order: chararray numpy.ndarray builtins.object Methods defined here: __add__(self, other) Return (self + other), that is string concatenation, element-wise for a pair of array_likes of str or unicode.   See also -------- add __array_finalize__(self, obj) None. __eq__(self, other) Return (self == other) element-wise.   See also -------- equal __ge__(self, other) Return (self >= other) element-wise.   See also -------- greater_equal __getitem__(self, obj) Return self[key]. __gt__(self, other) Return (self > other) element-wise.   See also -------- greater __le__(self, other) Return (self <= other) element-wise.   See also -------- less_equal __lt__(self, other) Return (self < other) element-wise.   See also -------- less __mod__(self, i) Return (self % i), that is pre-Python 2.6 string formatting (iterpolation), element-wise for a pair of array_likes of `string_` or `unicode_`.   See also -------- mod __mul__(self, i) Return (self * i), that is string multiple concatenation, element-wise.   See also -------- multiply __ne__(self, other) Return (self != other) element-wise.   See also -------- not_equal __radd__(self, other) Return (other + self), that is string concatenation, element-wise for a pair of array_likes of `string_` or `unicode_`.   See also -------- add __rmod__(self, other) Return value%self. __rmul__(self, i) Return (self * i), that is string multiple concatenation, element-wise.   See also -------- multiply argsort(self, axis=-1, kind='quicksort', order=None) a.argsort(axis=-1, kind='quicksort', order=None)   Returns the indices that would sort this array.   Refer to `numpy.argsort` for full documentation.   See Also -------- numpy.argsort : equivalent function capitalize(self) Return a copy of `self` with only the first character of each element capitalized.   See also -------- char.capitalize center(self, width, fillchar=' ') Return a copy of `self` with its elements centered in a string of length `width`.   See also -------- center count(self, sub, start=0, end=None) Returns an array with the number of non-overlapping occurrences of substring `sub` in the range [`start`, `end`].   See also -------- char.count decode(self, encoding=None, errors=None) Calls `str.decode` element-wise.   See also -------- char.decode encode(self, encoding=None, errors=None) Calls `str.encode` element-wise.   See also -------- char.encode endswith(self, suffix, start=0, end=None) Returns a boolean array which is `True` where the string element in `self` ends with `suffix`, otherwise `False`.   See also -------- char.endswith expandtabs(self, tabsize=8) Return a copy of each string element where all tab characters are replaced by one or more spaces.   See also -------- char.expandtabs find(self, sub, start=0, end=None) For each element, return the lowest index in the string where substring `sub` is found.   See also -------- char.find index(self, sub, start=0, end=None) Like `find`, but raises `ValueError` when the substring is not found.   See also -------- char.index isalnum(self) Returns true for each element if all characters in the string are alphanumeric and there is at least one character, false otherwise.   See also -------- char.isalnum isalpha(self) Returns true for each element if all characters in the string are alphabetic and there is at least one character, false otherwise.   See also -------- char.isalpha isdecimal(self) For each element in `self`, return True if there are only decimal characters in the element.   See also -------- char.isdecimal isdigit(self) Returns true for each element if all characters in the string are digits and there is at least one character, false otherwise.   See also -------- char.isdigit islower(self) Returns true for each element if all cased characters in the string are lowercase and there is at least one cased character, false otherwise.   See also -------- char.islower isnumeric(self) For each element in `self`, return True if there are only numeric characters in the element.   See also -------- char.isnumeric isspace(self) Returns true for each element if there are only whitespace characters in the string and there is at least one character, false otherwise.   See also -------- char.isspace istitle(self) Returns true for each element if the element is a titlecased string and there is at least one character, false otherwise.   See also -------- char.istitle isupper(self) Returns true for each element if all cased characters in the string are uppercase and there is at least one character, false otherwise.   See also -------- char.isupper join(self, seq) Return a string which is the concatenation of the strings in the sequence `seq`.   See also -------- char.join ljust(self, width, fillchar=' ') Return an array with the elements of `self` left-justified in a string of length `width`.   See also -------- char.ljust lower(self) Return an array with the elements of `self` converted to lowercase.   See also -------- char.lower lstrip(self, chars=None) For each element in `self`, return a copy with the leading characters removed.   See also -------- char.lstrip partition(self, sep) Partition each element in `self` around `sep`.   See also -------- partition replace(self, old, new, count=None) For each element in `self`, return a copy of the string with all occurrences of substring `old` replaced by `new`.   See also -------- char.replace rfind(self, sub, start=0, end=None) For each element in `self`, return the highest index in the string where substring `sub` is found, such that `sub` is contained within [`start`, `end`].   See also -------- char.rfind rindex(self, sub, start=0, end=None) Like `rfind`, but raises `ValueError` when the substring `sub` is not found.   See also -------- char.rindex rjust(self, width, fillchar=' ') Return an array with the elements of `self` right-justified in a string of length `width`.   See also -------- char.rjust rpartition(self, sep) Partition each element in `self` around `sep`.   See also -------- rpartition rsplit(self, sep=None, maxsplit=None) For each element in `self`, return a list of the words in the string, using `sep` as the delimiter string.   See also -------- char.rsplit rstrip(self, chars=None) For each element in `self`, return a copy with the trailing characters removed.   See also -------- char.rstrip split(self, sep=None, maxsplit=None) For each element in `self`, return a list of the words in the string, using `sep` as the delimiter string.   See also -------- char.split splitlines(self, keepends=None) For each element in `self`, return a list of the lines in the element, breaking at line boundaries.   See also -------- char.splitlines startswith(self, prefix, start=0, end=None) Returns a boolean array which is `True` where the string element in `self` starts with `prefix`, otherwise `False`.   See also -------- char.startswith strip(self, chars=None) For each element in `self`, return a copy with the leading and trailing characters removed.   See also -------- char.strip swapcase(self) For each element in `self`, return a copy of the string with uppercase characters converted to lowercase and vice versa.   See also -------- char.swapcase title(self) For each element in `self`, return a titlecased version of the string: words start with uppercase characters, all remaining cased characters are lowercase.   See also -------- char.title translate(self, table, deletechars=None) For each element in `self`, return a copy of the string where all characters occurring in the optional argument `deletechars` are removed, and the remaining characters have been mapped through the given translation table.   See also -------- char.translate upper(self) Return an array with the elements of `self` converted to uppercase.   See also -------- char.upper zfill(self, width) Return the numeric string left-filled with zeros in a string of length `width`.   See also -------- char.zfill Static methods defined here: __new__(subtype, shape, itemsize=1, unicode=False, buffer=None, offset=0, strides=None, order='C') Create and return a new object.  See help(type) for accurate signature. Data descriptors defined here: __dict__ dictionary for instance variables (if defined) Data and other attributes defined here: __hash__ = None Methods inherited from numpy.ndarray: __abs__(self, /) abs(self) __and__(self, value, /) Return self&value. __array__(...) a.__array__(|dtype) -> reference if type unchanged, copy otherwise.   Returns either a new reference to self if dtype is not given or a new array of provided data type if dtype is different from the current dtype of the array. __array_prepare__(...) a.__array_prepare__(obj) -> Object of same type as ndarray object obj. __array_ufunc__(...) __array_wrap__(...) a.__array_wrap__(obj) -> Object of same type as ndarray object a. __bool__(self, /) self != 0 __complex__(...) __contains__(self, key, /) Return key in self. __copy__(...) a.__copy__()   Used if :func:`copy.copy` is called on an array. Returns a copy of the array.   Equivalent to ``a.copy(order='K')``. __deepcopy__(...) a.__deepcopy__(memo, /) -> Deep copy of array.   Used if :func:`copy.deepcopy` is called on an array. __delitem__(self, key, /) Delete self[key]. __divmod__(self, value, /) Return divmod(self, value). __float__(self, /) float(self) __floordiv__(self, value, /) Return self//value. __format__(...) default object formatter __iadd__(self, value, /) Return self+=value. __iand__(self, value, /) Return self&=value. __ifloordiv__(self, value, /) Return self//=value. __ilshift__(self, value, /) Return self<<=value. __imatmul__(self, value, /) Return self@=value. __imod__(self, value, /) Return self%=value. __imul__(self, value, /) Return self*=value. __index__(self, /) Return self converted to an integer, if self is suitable for use as an index into a list. __int__(self, /) int(self) __invert__(self, /) ~self __ior__(self, value, /) Return self|=value. __ipow__(self, value, /) Return self**=value. __irshift__(self, value, /) Return self>>=value. __isub__(self, value, /) Return self-=value. __iter__(self, /) Implement iter(self). __itruediv__(self, value, /) Return self/=value. __ixor__(self, value, /) Return self^=value. __len__(self, /) Return len(self). __lshift__(self, value, /) Return self<<value. __matmul__(self, value, /) Return self@value. __neg__(self, /) -self __or__(self, value, /) Return self|value. __pos__(self, /) +self __pow__(self, value, mod=None, /) Return pow(self, value, mod). __rand__(self, value, /) Return value&self. __rdivmod__(self, value, /) Return divmod(value, self). __reduce__(...) a.__reduce__()   For pickling. __repr__(self, /) Return repr(self). __rfloordiv__(self, value, /) Return value//self. __rlshift__(self, value, /) Return value<<self. __rmatmul__(self, value, /) Return value@self. __ror__(self, value, /) Return value|self. __rpow__(self, value, mod=None, /) Return pow(value, self, mod). __rrshift__(self, value, /) Return value>>self. __rshift__(self, value, /) Return self>>value. __rsub__(self, value, /) Return value-self. __rtruediv__(self, value, /) Return value/self. __rxor__(self, value, /) Return value^self. __setitem__(self, key, value, /) Set self[key] to value. __setstate__(...) a.__setstate__(state, /)   For unpickling.   The `state` argument must be a sequence that contains the following elements:   Parameters ---------- version : int     optional pickle version. If omitted defaults to 0. shape : tuple dtype : data-type isFortran : bool rawdata : string or list     a binary string with the data (or a list if 'a' is an object array) __sizeof__(...) __sizeof__() -> int size of object in memory, in bytes __str__(self, /) Return str(self). __sub__(self, value, /) Return self-value. __truediv__(self, value, /) Return self/value. __xor__(self, value, /) Return self^value. all(...) a.all(axis=None, out=None, keepdims=False)   Returns True if all elements evaluate to True.   Refer to `numpy.all` for full documentation.   See Also -------- numpy.all : equivalent function any(...) a.any(axis=None, out=None, keepdims=False)   Returns True if any of the elements of `a` evaluate to True.   Refer to `numpy.any` for full documentation.   See Also -------- numpy.any : equivalent function argmax(...) a.argmax(axis=None, out=None)   Return indices of the maximum values along the given axis.   Refer to `numpy.argmax` for full documentation.   See Also -------- numpy.argmax : equivalent function argmin(...) a.argmin(axis=None, out=None)   Return indices of the minimum values along the given axis of `a`.   Refer to `numpy.argmin` for detailed documentation.   See Also -------- numpy.argmin : equivalent function argpartition(...) a.argpartition(kth, axis=-1, kind='introselect', order=None)   Returns the indices that would partition this array.   Refer to `numpy.argpartition` for full documentation.   .. versionadded:: 1.8.0   See Also -------- numpy.argpartition : equivalent function astype(...) a.astype(dtype, order='K', casting='unsafe', subok=True, copy=True)   Copy of the array, cast to a specified type.   Parameters ---------- dtype : str or dtype     Typecode or data-type to which the array is cast. order : {'C', 'F', 'A', 'K'}, optional     Controls the memory layout order of the result.     'C' means C order, 'F' means Fortran order, 'A'     means 'F' order if all the arrays are Fortran contiguous,     'C' order otherwise, and 'K' means as close to the     order the array elements appear in memory as possible.     Default is 'K'. casting : {'no', 'equiv', 'safe', 'same_kind', 'unsafe'}, optional     Controls what kind of data casting may occur. Defaults to 'unsafe'     for backwards compatibility.         * 'no' means the data types should not be cast at all.       * 'equiv' means only byte-order changes are allowed.       * 'safe' means only casts which can preserve values are allowed.       * 'same_kind' means only safe casts or casts within a kind,         like float64 to float32, are allowed.       * 'unsafe' means any data conversions may be done. subok : bool, optional     If True, then sub-classes will be passed-through (default), otherwise     the returned array will be forced to be a base-class array. copy : bool, optional     By default, astype always returns a newly allocated array. If this     is set to false, and the `dtype`, `order`, and `subok`     requirements are satisfied, the input array is returned instead     of a copy.   Returns ------- arr_t : ndarray     Unless `copy` is False and the other conditions for returning the input     array are satisfied (see description for `copy` input parameter), `arr_t`     is a new array of the same shape as the input array, with dtype, order     given by `dtype`, `order`.   Notes ----- Starting in NumPy 1.9, astype method now returns an error if the string dtype to cast to is not long enough in 'safe' casting mode to hold the max value of integer/float array that is being casted. Previously the casting was allowed even if the result was truncated.   Raises ------ ComplexWarning     When casting from complex to float or int. To avoid this,     one should use ``a.real.astype(t)``.   Examples -------- >>> x = np.array([1, 2, 2.5]) >>> x array([ 1. ,  2. ,  2.5])   >>> x.astype(int) array([1, 2, 2]) byteswap(...) a.byteswap(inplace=False)   Swap the bytes of the array elements   Toggle between low-endian and big-endian data representation by returning a byteswapped array, optionally swapped in-place.   Parameters ---------- inplace : bool, optional     If ``True``, swap bytes in-place, default is ``False``.   Returns ------- out : ndarray     The byteswapped array. If `inplace` is ``True``, this is     a view to self.   Examples -------- >>> A = np.array([1, 256, 8755], dtype=np.int16) >>> map(hex, A) ['0x1', '0x100', '0x2233'] >>> A.byteswap(inplace=True) array([  256,     1, 13090], dtype=int16) >>> map(hex, A) ['0x100', '0x1', '0x3322']   Arrays of strings are not swapped   >>> A = np.array(['ceg', 'fac']) >>> A.byteswap() array(['ceg', 'fac'],       dtype='|S3') choose(...) a.choose(choices, out=None, mode='raise')   Use an index array to construct a new array from a set of choices.   Refer to `numpy.choose` for full documentation.   See Also -------- numpy.choose : equivalent function clip(...) a.clip(min=None, max=None, out=None)   Return an array whose values are limited to ``[min, max]``. One of max or min must be given.   Refer to `numpy.clip` for full documentation.   See Also -------- numpy.clip : equivalent function compress(...) a.compress(condition, axis=None, out=None)   Return selected slices of this array along given axis.   Refer to `numpy.compress` for full documentation.   See Also -------- numpy.compress : equivalent function conj(...) a.conj()   Complex-conjugate all elements.   Refer to `numpy.conjugate` for full documentation.   See Also -------- numpy.conjugate : equivalent function conjugate(...) a.conjugate()   Return the complex conjugate, element-wise.   Refer to `numpy.conjugate` for full documentation.   See Also -------- numpy.conjugate : equivalent function copy(...) a.copy(order='C')   Return a copy of the array.   Parameters ---------- order : {'C', 'F', 'A', 'K'}, optional     Controls the memory layout of the copy. 'C' means C-order,     'F' means F-order, 'A' means 'F' if `a` is Fortran contiguous,     'C' otherwise. 'K' means match the layout of `a` as closely     as possible. (Note that this function and :func:`numpy.copy` are very     similar, but have different default values for their order=     arguments.)   See also -------- numpy.copy numpy.copyto   Examples -------- >>> x = np.array([[1,2,3],[4,5,6]], order='F')   >>> y = x.copy()   >>> x.fill(0)   >>> x array([[0, 0, 0],        [0, 0, 0]])   >>> y array([[1, 2, 3],        [4, 5, 6]])   >>> y.flags['C_CONTIGUOUS'] True cumprod(...) a.cumprod(axis=None, dtype=None, out=None)   Return the cumulative product of the elements along the given axis.   Refer to `numpy.cumprod` for full documentation.   See Also -------- numpy.cumprod : equivalent function cumsum(...) a.cumsum(axis=None, dtype=None, out=None)   Return the cumulative sum of the elements along the given axis.   Refer to `numpy.cumsum` for full documentation.   See Also -------- numpy.cumsum : equivalent function diagonal(...) a.diagonal(offset=0, axis1=0, axis2=1)   Return specified diagonals. In NumPy 1.9 the returned array is a read-only view instead of a copy as in previous NumPy versions.  In a future version the read-only restriction will be removed.   Refer to :func:`numpy.diagonal` for full documentation.   See Also -------- numpy.diagonal : equivalent function dot(...) a.dot(b, out=None)   Dot product of two arrays.   Refer to `numpy.dot` for full documentation.   See Also -------- numpy.dot : equivalent function   Examples -------- >>> a = np.eye(2) >>> b = np.ones((2, 2)) * 2 >>> a.dot(b) array([[ 2.,  2.],        [ 2.,  2.]])   This array method can be conveniently chained:   >>> a.dot(b).dot(b) array([[ 8.,  8.],        [ 8.,  8.]]) dump(...) a.dump(file)   Dump a pickle of the array to the specified file. The array can be read back with pickle.load or numpy.load.   Parameters ---------- file : str     A string naming the dump file. dumps(...) a.dumps()   Returns the pickle of the array as a string. pickle.loads or numpy.loads will convert the string back to an array.   Parameters ---------- None fill(...) a.fill(value)   Fill the array with a scalar value.   Parameters ---------- value : scalar     All elements of `a` will be assigned this value.   Examples -------- >>> a = np.array([1, 2]) >>> a.fill(0) >>> a array([0, 0]) >>> a = np.empty(2) >>> a.fill(1) >>> a array([ 1.,  1.]) flatten(...) a.flatten(order='C')   Return a copy of the array collapsed into one dimension.   Parameters ---------- order : {'C', 'F', 'A', 'K'}, optional     'C' means to flatten in row-major (C-style) order.     'F' means to flatten in column-major (Fortran-     style) order. 'A' means to flatten in column-major     order if `a` is Fortran *contiguous* in memory,     row-major order otherwise. 'K' means to flatten     `a` in the order the elements occur in memory.     The default is 'C'.   Returns ------- y : ndarray     A copy of the input array, flattened to one dimension.   See Also -------- ravel : Return a flattened array. flat : A 1-D flat iterator over the array.   Examples -------- >>> a = np.array([[1,2], [3,4]]) >>> a.flatten() array([1, 2, 3, 4]) >>> a.flatten('F') array([1, 3, 2, 4]) getfield(...) a.getfield(dtype, offset=0)   Returns a field of the given array as a certain type.   A field is a view of the array data with a given data-type. The values in the view are determined by the given type and the offset into the current array in bytes. The offset needs to be such that the view dtype fits in the array dtype; for example an array of dtype complex128 has 16-byte elements. If taking a view with a 32-bit integer (4 bytes), the offset needs to be between 0 and 12 bytes.   Parameters ---------- dtype : str or dtype     The data type of the view. The dtype size of the view can not be larger     than that of the array itself. offset : int     Number of bytes to skip before beginning the element view.   Examples -------- >>> x = np.diag([1.+1.j]*2) >>> x[1, 1] = 2 + 4.j >>> x array([[ 1.+1.j,  0.+0.j],        [ 0.+0.j,  2.+4.j]]) >>> x.getfield(np.float64) array([[ 1.,  0.],        [ 0.,  2.]])   By choosing an offset of 8 bytes we can select the complex part of the array for our view:   >>> x.getfield(np.float64, offset=8) array([[ 1.,  0.],    [ 0.,  4.]]) item(...) a.item(*args)   Copy an element of an array to a standard Python scalar and return it.   Parameters ---------- \*args : Arguments (variable number and type)       * none: in this case, the method only works for arrays       with one element (`a.size == 1`), which element is       copied into a standard Python scalar object and returned.       * int_type: this argument is interpreted as a flat index into       the array, specifying which element to copy and return.       * tuple of int_types: functions as does a single int_type argument,       except that the argument is interpreted as an nd-index into the       array.   Returns ------- z : Standard Python scalar object     A copy of the specified element of the array as a suitable     Python scalar   Notes ----- When the data type of `a` is longdouble or clongdouble, item() returns a scalar array object because there is no available Python scalar that would not lose information. Void arrays return a buffer object for item(), unless fields are defined, in which case a tuple is returned.   `item` is very similar to a[args], except, instead of an array scalar, a standard Python scalar is returned. This can be useful for speeding up access to elements of the array and doing arithmetic on elements of the array using Python's optimized math.   Examples -------- >>> x = np.random.randint(9, size=(3, 3)) >>> x array([[3, 1, 7],        [2, 8, 3],        [8, 5, 3]]) >>> x.item(3) 2 >>> x.item(7) 5 >>> x.item((0, 1)) 1 >>> x.item((2, 2)) 3 itemset(...) a.itemset(*args)   Insert scalar into an array (scalar is cast to array's dtype, if possible)   There must be at least 1 argument, and define the last argument as *item*.  Then, ``a.itemset(*args)`` is equivalent to but faster than ``a[args] = item``.  The item should be a scalar value and `args` must select a single item in the array `a`.   Parameters ---------- \*args : Arguments     If one argument: a scalar, only used in case `a` is of size 1.     If two arguments: the last argument is the value to be set     and must be a scalar, the first argument specifies a single array     element location. It is either an int or a tuple.   Notes ----- Compared to indexing syntax, `itemset` provides some speed increase for placing a scalar into a particular location in an `ndarray`, if you must do this.  However, generally this is discouraged: among other problems, it complicates the appearance of the code. Also, when using `itemset` (and `item`) inside a loop, be sure to assign the methods to a local variable to avoid the attribute look-up at each loop iteration.   Examples -------- >>> x = np.random.randint(9, size=(3, 3)) >>> x array([[3, 1, 7],        [2, 8, 3],        [8, 5, 3]]) >>> x.itemset(4, 0) >>> x.itemset((2, 2), 9) >>> x array([[3, 1, 7],        [2, 0, 3],        [8, 5, 9]]) max(...) a.max(axis=None, out=None, keepdims=False)   Return the maximum along a given axis.   Refer to `numpy.amax` for full documentation.   See Also -------- numpy.amax : equivalent function mean(...) a.mean(axis=None, dtype=None, out=None, keepdims=False)   Returns the average of the array elements along given axis.   Refer to `numpy.mean` for full documentation.   See Also -------- numpy.mean : equivalent function min(...) a.min(axis=None, out=None, keepdims=False)   Return the minimum along a given axis.   Refer to `numpy.amin` for full documentation.   See Also -------- numpy.amin : equivalent function newbyteorder(...) arr.newbyteorder(new_order='S')   Return the array with the same data viewed with a different byte order.   Equivalent to::       arr.view(arr.dtype.newbytorder(new_order))   Changes are also made in all fields and sub-arrays of the array data type.       Parameters ---------- new_order : string, optional     Byte order to force; a value from the byte order specifications     below. `new_order` codes can be any of:       * 'S' - swap dtype from current to opposite endian     * {'<', 'L'} - little endian     * {'>', 'B'} - big endian     * {'=', 'N'} - native order     * {'|', 'I'} - ignore (no change to byte order)       The default value ('S') results in swapping the current     byte order. The code does a case-insensitive check on the first     letter of `new_order` for the alternatives above.  For example,     any of 'B' or 'b' or 'biggish' are valid to specify big-endian.     Returns ------- new_arr : array     New array object with the dtype reflecting given change to the     byte order. nonzero(...) a.nonzero()   Return the indices of the elements that are non-zero.   Refer to `numpy.nonzero` for full documentation.   See Also -------- numpy.nonzero : equivalent function prod(...) a.prod(axis=None, dtype=None, out=None, keepdims=False)   Return the product of the array elements over the given axis   Refer to `numpy.prod` for full documentation.   See Also -------- numpy.prod : equivalent function ptp(...) a.ptp(axis=None, out=None, keepdims=False)   Peak to peak (maximum - minimum) value along a given axis.   Refer to `numpy.ptp` for full documentation.   See Also -------- numpy.ptp : equivalent function put(...) a.put(indices, values, mode='raise')   Set ``a.flat[n] = values[n]`` for all `n` in indices.   Refer to `numpy.put` for full documentation.   See Also -------- numpy.put : equivalent function ravel(...) a.ravel([order])   Return a flattened array.   Refer to `numpy.ravel` for full documentation.   See Also -------- numpy.ravel : equivalent function   ndarray.flat : a flat iterator on the array. repeat(...) a.repeat(repeats, axis=None)   Repeat elements of an array.   Refer to `numpy.repeat` for full documentation.   See Also -------- numpy.repeat : equivalent function reshape(...) a.reshape(shape, order='C')   Returns an array containing the same data with a new shape.   Refer to `numpy.reshape` for full documentation.   See Also -------- numpy.reshape : equivalent function   Notes ----- Unlike the free function `numpy.reshape`, this method on `ndarray` allows the elements of the shape parameter to be passed in as separate arguments. For example, ``a.reshape(10, 11)`` is equivalent to ``a.reshape((10, 11))``. resize(...) a.resize(new_shape, refcheck=True)   Change shape and size of array in-place.   Parameters ---------- new_shape : tuple of ints, or `n` ints     Shape of resized array. refcheck : bool, optional     If False, reference count will not be checked. Default is True.   Returns ------- None   Raises ------ ValueError     If `a` does not own its own data or references or views to it exist,     and the data memory must be changed.     PyPy only: will always raise if the data memory must be changed, since     there is no reliable way to determine if references or views to it     exist.   SystemError     If the `order` keyword argument is specified. This behaviour is a     bug in NumPy.   See Also -------- resize : Return a new array with the specified shape.   Notes ----- This reallocates space for the data area if necessary.   Only contiguous arrays (data elements consecutive in memory) can be resized.   The purpose of the reference count check is to make sure you do not use this array as a buffer for another Python object and then reallocate the memory. However, reference counts can increase in other ways so if you are sure that you have not shared the memory for this array with another Python object, then you may safely set `refcheck` to False.   Examples -------- Shrinking an array: array is flattened (in the order that the data are stored in memory), resized, and reshaped:   >>> a = np.array([[0, 1], [2, 3]], order='C') >>> a.resize((2, 1)) >>> a array([[0],        [1]])   >>> a = np.array([[0, 1], [2, 3]], order='F') >>> a.resize((2, 1)) >>> a array([[0],        [2]])   Enlarging an array: as above, but missing entries are filled with zeros:   >>> b = np.array([[0, 1], [2, 3]]) >>> b.resize(2, 3) # new_shape parameter doesn't have to be a tuple >>> b array([[0, 1, 2],        [3, 0, 0]])   Referencing an array prevents resizing...   >>> c = a >>> a.resize((1, 1)) Traceback (most recent call last): ... ValueError: cannot resize an array that has been referenced ...   Unless `refcheck` is False:   >>> a.resize((1, 1), refcheck=False) >>> a array([[0]]) >>> c array([[0]]) round(...) a.round(decimals=0, out=None)   Return `a` with each element rounded to the given number of decimals.   Refer to `numpy.around` for full documentation.   See Also -------- numpy.around : equivalent function searchsorted(...) a.searchsorted(v, side='left', sorter=None)   Find indices where elements of v should be inserted in a to maintain order.   For full documentation, see `numpy.searchsorted`   See Also -------- numpy.searchsorted : equivalent function setfield(...) a.setfield(val, dtype, offset=0)   Put a value into a specified place in a field defined by a data-type.   Place `val` into `a`'s field defined by `dtype` and beginning `offset` bytes into the field.   Parameters ---------- val : object     Value to be placed in field. dtype : dtype object     Data-type of the field in which to place `val`. offset : int, optional     The number of bytes into the field at which to place `val`.   Returns ------- None   See Also -------- getfield   Examples -------- >>> x = np.eye(3) >>> x.getfield(np.float64) array([[ 1.,  0.,  0.],        [ 0.,  1.,  0.],        [ 0.,  0.,  1.]]) >>> x.setfield(3, np.int32) >>> x.getfield(np.int32) array([[3, 3, 3],        [3, 3, 3],        [3, 3, 3]]) >>> x array([[  1.00000000e+000,   1.48219694e-323,   1.48219694e-323],        [  1.48219694e-323,   1.00000000e+000,   1.48219694e-323],        [  1.48219694e-323,   1.48219694e-323,   1.00000000e+000]]) >>> x.setfield(np.eye(3), np.int32) >>> x array([[ 1.,  0.,  0.],        [ 0.,  1.,  0.],        [ 0.,  0.,  1.]]) setflags(...) a.setflags(write=None, align=None, uic=None)   Set array flags WRITEABLE, ALIGNED, (WRITEBACKIFCOPY and UPDATEIFCOPY), respectively.   These Boolean-valued flags affect how numpy interprets the memory area used by `a` (see Notes below). The ALIGNED flag can only be set to True if the data is actually aligned according to the type. The WRITEBACKIFCOPY and (deprecated) UPDATEIFCOPY flags can never be set to True. The flag WRITEABLE can only be set to True if the array owns its own memory, or the ultimate owner of the memory exposes a writeable buffer interface, or is a string. (The exception for string is made so that unpickling can be done without copying memory.)   Parameters ---------- write : bool, optional     Describes whether or not `a` can be written to. align : bool, optional     Describes whether or not `a` is aligned properly for its type. uic : bool, optional     Describes whether or not `a` is a copy of another "base" array.   Notes ----- Array flags provide information about how the memory area used for the array is to be interpreted. There are 7 Boolean flags in use, only four of which can be changed by the user: WRITEBACKIFCOPY, UPDATEIFCOPY, WRITEABLE, and ALIGNED.   WRITEABLE (W) the data area can be written to;   ALIGNED (A) the data and strides are aligned appropriately for the hardware (as determined by the compiler);   UPDATEIFCOPY (U) (deprecated), replaced by WRITEBACKIFCOPY;   WRITEBACKIFCOPY (X) this array is a copy of some other array (referenced by .base). When the C-API function PyArray_ResolveWritebackIfCopy is called, the base array will be updated with the contents of this array.   All flags can be accessed using the single (upper case) letter as well as the full name.   Examples -------- >>> y array([[3, 1, 7],        [2, 0, 0],        [8, 5, 9]]) >>> y.flags   C_CONTIGUOUS : True   F_CONTIGUOUS : False   OWNDATA : True   WRITEABLE : True   ALIGNED : True   WRITEBACKIFCOPY : False   UPDATEIFCOPY : False >>> y.setflags(write=0, align=0) >>> y.flags   C_CONTIGUOUS : True   F_CONTIGUOUS : False   OWNDATA : True   WRITEABLE : False   ALIGNED : False   WRITEBACKIFCOPY : False   UPDATEIFCOPY : False >>> y.setflags(uic=1) Traceback (most recent call last):   File "<stdin>", line 1, in <module> ValueError: cannot set WRITEBACKIFCOPY flag to True sort(...) a.sort(axis=-1, kind='quicksort', order=None)   Sort an array, in-place.   Parameters ---------- axis : int, optional     Axis along which to sort. Default is -1, which means sort along the     last axis. kind : {'quicksort', 'mergesort', 'heapsort', 'stable'}, optional     Sorting algorithm. Default is 'quicksort'. order : str or list of str, optional     When `a` is an array with fields defined, this argument specifies     which fields to compare first, second, etc.  A single field can     be specified as a string, and not all fields need be specified,     but unspecified fields will still be used, in the order in which     they come up in the dtype, to break ties.   See Also -------- numpy.sort : Return a sorted copy of an array. argsort : Indirect sort. lexsort : Indirect stable sort on multiple keys. searchsorted : Find elements in sorted array. partition: Partial sort.   Notes ----- See ``sort`` for notes on the different sorting algorithms.   Examples -------- >>> a = np.array([[1,4], [3,1]]) >>> a.sort(axis=1) >>> a array([[1, 4],        [1, 3]]) >>> a.sort(axis=0) >>> a array([[1, 3],        [1, 4]])   Use the `order` keyword to specify a field to use when sorting a structured array:   >>> a = np.array([('a', 2), ('c', 1)], dtype=[('x', 'S1'), ('y', int)]) >>> a.sort(order='y') >>> a array([('c', 1), ('a', 2)],       dtype=[('x', '|S1'), ('y', '<i4')]) squeeze(...) a.squeeze(axis=None)   Remove single-dimensional entries from the shape of `a`.   Refer to `numpy.squeeze` for full documentation.   See Also -------- numpy.squeeze : equivalent function std(...) a.std(axis=None, dtype=None, out=None, ddof=0, keepdims=False)   Returns the standard deviation of the array elements along given axis.   Refer to `numpy.std` for full documentation.   See Also -------- numpy.std : equivalent function sum(...) a.sum(axis=None, dtype=None, out=None, keepdims=False)   Return the sum of the array elements over the given axis.   Refer to `numpy.sum` for full documentation.   See Also -------- numpy.sum : equivalent function swapaxes(...) a.swapaxes(axis1, axis2)   Return a view of the array with `axis1` and `axis2` interchanged.   Refer to `numpy.swapaxes` for full documentation.   See Also -------- numpy.swapaxes : equivalent function take(...) a.take(indices, axis=None, out=None, mode='raise')   Return an array formed from the elements of `a` at the given indices.   Refer to `numpy.take` for full documentation.   See Also -------- numpy.take : equivalent function tobytes(...) a.tobytes(order='C')   Construct Python bytes containing the raw data bytes in the array.   Constructs Python bytes showing a copy of the raw contents of data memory. The bytes object can be produced in either 'C' or 'Fortran', or 'Any' order (the default is 'C'-order). 'Any' order means C-order unless the F_CONTIGUOUS flag in the array is set, in which case it means 'Fortran' order.   .. versionadded:: 1.9.0   Parameters ---------- order : {'C', 'F', None}, optional     Order of the data for multidimensional arrays:     C, Fortran, or the same as for the original array.   Returns ------- s : bytes     Python bytes exhibiting a copy of `a`'s raw data.   Examples -------- >>> x = np.array([[0, 1], [2, 3]]) >>> x.tobytes() b'\x00\x00\x00\x00\x01\x00\x00\x00\x02\x00\x00\x00\x03\x00\x00\x00' >>> x.tobytes('C') == x.tobytes() True >>> x.tobytes('F') b'\x00\x00\x00\x00\x02\x00\x00\x00\x01\x00\x00\x00\x03\x00\x00\x00' tofile(...) a.tofile(fid, sep="", format="%s")   Write array to a file as text or binary (default).   Data is always written in 'C' order, independent of the order of `a`. The data produced by this method can be recovered using the function fromfile().   Parameters ---------- fid : file or str     An open file object, or a string containing a filename. sep : str     Separator between array items for text output.     If "" (empty), a binary file is written, equivalent to     ``file.write(a.tobytes())``. format : str     Format string for text file output.     Each entry in the array is formatted to text by first converting     it to the closest Python type, and then using "format" % item.   Notes ----- This is a convenience function for quick storage of array data. Information on endianness and precision is lost, so this method is not a good choice for files intended to archive data or transport data between machines with different endianness. Some of these problems can be overcome by outputting the data as text files, at the expense of speed and file size.   When fid is a file object, array contents are directly written to the file, bypassing the file object's ``write`` method. As a result, tofile cannot be used with files objects supporting compression (e.g., GzipFile) or file-like objects that do not support ``fileno()`` (e.g., BytesIO). tolist(...) a.tolist()   Return the array as a (possibly nested) list.   Return a copy of the array data as a (nested) Python list. Data items are converted to the nearest compatible Python type.   Parameters ---------- none   Returns ------- y : list     The possibly nested list of array elements.   Notes ----- The array may be recreated, ``a = np.array(a.tolist())``.   Examples -------- >>> a = np.array([1, 2]) >>> a.tolist() [1, 2] >>> a = np.array([[1, 2], [3, 4]]) >>> list(a) [array([1, 2]), array([3, 4])] >>> a.tolist() [[1, 2], [3, 4]] tostring(...) a.tostring(order='C')   Construct Python bytes containing the raw data bytes in the array.   Constructs Python bytes showing a copy of the raw contents of data memory. The bytes object can be produced in either 'C' or 'Fortran', or 'Any' order (the default is 'C'-order). 'Any' order means C-order unless the F_CONTIGUOUS flag in the array is set, in which case it means 'Fortran' order.   This function is a compatibility alias for tobytes. Despite its name it returns bytes not strings.   Parameters ---------- order : {'C', 'F', None}, optional     Order of the data for multidimensional arrays:     C, Fortran, or the same as for the original array.   Returns ------- s : bytes     Python bytes exhibiting a copy of `a`'s raw data.   Examples -------- >>> x = np.array([[0, 1], [2, 3]]) >>> x.tobytes() b'\x00\x00\x00\x00\x01\x00\x00\x00\x02\x00\x00\x00\x03\x00\x00\x00' >>> x.tobytes('C') == x.tobytes() True >>> x.tobytes('F') b'\x00\x00\x00\x00\x02\x00\x00\x00\x01\x00\x00\x00\x03\x00\x00\x00' trace(...) a.trace(offset=0, axis1=0, axis2=1, dtype=None, out=None)   Return the sum along diagonals of the array.   Refer to `numpy.trace` for full documentation.   See Also -------- numpy.trace : equivalent function transpose(...) a.transpose(*axes)   Returns a view of the array with axes transposed.   For a 1-D array, this has no effect. (To change between column and row vectors, first cast the 1-D array into a matrix object.) For a 2-D array, this is the usual matrix transpose. For an n-D array, if axes are given, their order indicates how the axes are permuted (see Examples). If axes are not provided and ``a.shape = (i[0], i[1], ... i[n-2], i[n-1])``, then ``a.transpose().shape = (i[n-1], i[n-2], ... i[1], i[0])``.   Parameters ---------- axes : None, tuple of ints, or `n` ints    * None or no argument: reverses the order of the axes.    * tuple of ints: `i` in the `j`-th place in the tuple means `a`'s    `i`-th axis becomes `a.transpose()`'s `j`-th axis.    * `n` ints: same as an n-tuple of the same ints (this form is    intended simply as a "convenience" alternative to the tuple form)   Returns ------- out : ndarray     View of `a`, with axes suitably permuted.   See Also -------- ndarray.T : Array property returning the array transposed.   Examples -------- >>> a = np.array([[1, 2], [3, 4]]) >>> a array([[1, 2],        [3, 4]]) >>> a.transpose() array([[1, 3],        [2, 4]]) >>> a.transpose((1, 0)) array([[1, 3],        [2, 4]]) >>> a.transpose(1, 0) array([[1, 3],        [2, 4]]) var(...) a.var(axis=None, dtype=None, out=None, ddof=0, keepdims=False)   Returns the variance of the array elements, along given axis.   Refer to `numpy.var` for full documentation.   See Also -------- numpy.var : equivalent function view(...) a.view(dtype=None, type=None)   New view of array with the same data.   Parameters ---------- dtype : data-type or ndarray sub-class, optional     Data-type descriptor of the returned view, e.g., float32 or int16. The     default, None, results in the view having the same data-type as `a`.     This argument can also be specified as an ndarray sub-class, which     then specifies the type of the returned object (this is equivalent to     setting the ``type`` parameter). type : Python type, optional     Type of the returned view, e.g., ndarray or matrix.  Again, the     default None results in type preservation.   Notes ----- ``a.view()`` is used two different ways:   ``a.view(some_dtype)`` or ``a.view(dtype=some_dtype)`` constructs a view of the array's memory with a different data-type.  This can cause a reinterpretation of the bytes of memory.   ``a.view(ndarray_subclass)`` or ``a.view(type=ndarray_subclass)`` just returns an instance of `ndarray_subclass` that looks at the same array (same shape, dtype, etc.)  This does not cause a reinterpretation of the memory.   For ``a.view(some_dtype)``, if ``some_dtype`` has a different number of bytes per entry than the previous dtype (for example, converting a regular array to a structured array), then the behavior of the view cannot be predicted just from the superficial appearance of ``a`` (shown by ``print(a)``). It also depends on exactly how ``a`` is stored in memory. Therefore if ``a`` is C-ordered versus fortran-ordered, versus defined as a slice or transpose, etc., the view may give different results.     Examples -------- >>> x = np.array([(1, 2)], dtype=[('a', np.int8), ('b', np.int8)])   Viewing array data using a different type and dtype:   >>> y = x.view(dtype=np.int16, type=np.matrix) >>> y matrix([[513]], dtype=int16) >>> print(type(y)) <class 'numpy.matrixlib.defmatrix.matrix'>   Creating a view on a structured array so it can be used in calculations   >>> x = np.array([(1, 2),(3,4)], dtype=[('a', np.int8), ('b', np.int8)]) >>> xv = x.view(dtype=np.int8).reshape(-1,2) >>> xv array([[1, 2],        [3, 4]], dtype=int8) >>> xv.mean(0) array([ 2.,  3.])   Making changes to the view changes the underlying array   >>> xv[0,1] = 20 >>> print(x) [(1, 20) (3, 4)]   Using a view to convert an array to a recarray:   >>> z = x.view(np.recarray) >>> z.a array([1], dtype=int8)   Views share data:   >>> x[0] = (9, 10) >>> z[0] (9, 10)   Views that change the dtype size (bytes per entry) should normally be avoided on arrays defined by slices, transposes, fortran-ordering, etc.:   >>> x = np.array([[1,2,3],[4,5,6]], dtype=np.int16) >>> y = x[:, 0:2] >>> y array([[1, 2],        [4, 5]], dtype=int16) >>> y.view(dtype=[('width', np.int16), ('length', np.int16)]) Traceback (most recent call last):   File "<stdin>", line 1, in <module> ValueError: new type not compatible with array. >>> z = y.copy() >>> z.view(dtype=[('width', np.int16), ('length', np.int16)]) array([[(1, 2)],        [(4, 5)]], dtype=[('width', '<i2'), ('length', '<i2')]) Data descriptors inherited from numpy.ndarray: T Same as self.transpose(), except that self is returned if self.ndim < 2.   Examples -------- >>> x = np.array([[1.,2.],[3.,4.]]) >>> x array([[ 1.,  2.],        [ 3.,  4.]]) >>> x.T array([[ 1.,  3.],        [ 2.,  4.]]) >>> x = np.array([1.,2.,3.,4.]) >>> x array([ 1.,  2.,  3.,  4.]) >>> x.T array([ 1.,  2.,  3.,  4.]) __array_interface__ Array protocol: Python side. __array_priority__ Array priority. __array_struct__ Array protocol: C-struct side. base Base object if memory is from some other object.   Examples -------- The base of an array that owns its memory is None:   >>> x = np.array([1,2,3,4]) >>> x.base is None True   Slicing creates a view, whose memory is shared with x:   >>> y = x[2:] >>> y.base is x True ctypes An object to simplify the interaction of the array with the ctypes module.   This attribute creates an object that makes it easier to use arrays when calling shared libraries with the ctypes module. The returned object has, among others, data, shape, and strides attributes (see Notes below) which themselves return ctypes objects that can be used as arguments to a shared library.   Parameters ---------- None   Returns ------- c : Python object     Possessing attributes data, shape, strides, etc.   See Also -------- numpy.ctypeslib   Notes ----- Below are the public attributes of this object which were documented in "Guide to NumPy" (we have omitted undocumented public attributes, as well as documented private attributes):   * data: A pointer to the memory area of the array as a Python integer.   This memory area may contain data that is not aligned, or not in correct   byte-order. The memory area may not even be writeable. The array   flags and data-type of this array should be respected when passing this   attribute to arbitrary C-code to avoid trouble that can include Python   crashing. User Beware! The value of this attribute is exactly the same   as self._array_interface_['data'][0].   * shape (c_intp*self.ndim): A ctypes array of length self.ndim where   the basetype is the C-integer corresponding to dtype('p') on this   platform. This base-type could be c_int, c_long, or c_longlong   depending on the platform. The c_intp type is defined accordingly in   numpy.ctypeslib. The ctypes array contains the shape of the underlying   array.   * strides (c_intp*self.ndim): A ctypes array of length self.ndim where   the basetype is the same as for the shape attribute. This ctypes array   contains the strides information from the underlying array. This strides   information is important for showing how many bytes must be jumped to   get to the next element in the array.   * data_as(obj): Return the data pointer cast to a particular c-types object.   For example, calling self._as_parameter_ is equivalent to   self.data_as(ctypes.c_void_p). Perhaps you want to use the data as a   pointer to a ctypes array of floating-point data:   self.data_as(ctypes.POINTER(ctypes.c_double)).   * shape_as(obj): Return the shape tuple as an array of some other c-types   type. For example: self.shape_as(ctypes.c_short).   * strides_as(obj): Return the strides tuple as an array of some other   c-types type. For example: self.strides_as(ctypes.c_longlong).   Be careful using the ctypes attribute - especially on temporary arrays or arrays constructed on the fly. For example, calling ``(a+b).ctypes.data_as(ctypes.c_void_p)`` returns a pointer to memory that is invalid because the array created as (a+b) is deallocated before the next Python statement. You can avoid this problem using either ``c=a+b`` or ``ct=(a+b).ctypes``. In the latter case, ct will hold a reference to the array until ct is deleted or re-assigned.   If the ctypes module is not available, then the ctypes attribute of array objects still returns something useful, but ctypes objects are not returned and errors may be raised instead. In particular, the object will still have the as parameter attribute which will return an integer equal to the data attribute.   Examples -------- >>> import ctypes >>> x array([[0, 1],        [2, 3]]) >>> x.ctypes.data 30439712 >>> x.ctypes.data_as(ctypes.POINTER(ctypes.c_long)) <ctypes.LP_c_long object at 0x01F01300> >>> x.ctypes.data_as(ctypes.POINTER(ctypes.c_long)).contents c_long(0) >>> x.ctypes.data_as(ctypes.POINTER(ctypes.c_longlong)).contents c_longlong(4294967296L) >>> x.ctypes.shape <numpy.core._internal.c_long_Array_2 object at 0x01FFD580> >>> x.ctypes.shape_as(ctypes.c_long) <numpy.core._internal.c_long_Array_2 object at 0x01FCE620> >>> x.ctypes.strides <numpy.core._internal.c_long_Array_2 object at 0x01FCE620> >>> x.ctypes.strides_as(ctypes.c_longlong) <numpy.core._internal.c_longlong_Array_2 object at 0x01F01300> data Python buffer object pointing to the start of the array's data. dtype Data-type of the array's elements.   Parameters ---------- None   Returns ------- d : numpy dtype object   See Also -------- numpy.dtype   Examples -------- >>> x array([[0, 1],        [2, 3]]) >>> x.dtype dtype('int32') >>> type(x.dtype) <type 'numpy.dtype'> flags Information about the memory layout of the array.   Attributes ---------- C_CONTIGUOUS (C)     The data is in a single, C-style contiguous segment. F_CONTIGUOUS (F)     The data is in a single, Fortran-style contiguous segment. OWNDATA (O)     The array owns the memory it uses or borrows it from another object. WRITEABLE (W)     The data area can be written to.  Setting this to False locks     the data, making it read-only.  A view (slice, etc.) inherits WRITEABLE     from its base array at creation time, but a view of a writeable     array may be subsequently locked while the base array remains writeable.     (The opposite is not true, in that a view of a locked array may not     be made writeable.  However, currently, locking a base object does not     lock any views that already reference it, so under that circumstance it     is possible to alter the contents of a locked array via a previously     created writeable view onto it.)  Attempting to change a non-writeable     array raises a RuntimeError exception. ALIGNED (A)     The data and all elements are aligned appropriately for the hardware. WRITEBACKIFCOPY (X)     This array is a copy of some other array. The C-API function     PyArray_ResolveWritebackIfCopy must be called before deallocating     to the base array will be updated with the contents of this array. UPDATEIFCOPY (U)     (Deprecated, use WRITEBACKIFCOPY) This array is a copy of some other array.     When this array is     deallocated, the base array will be updated with the contents of     this array. FNC     F_CONTIGUOUS and not C_CONTIGUOUS. FORC     F_CONTIGUOUS or C_CONTIGUOUS (one-segment test). BEHAVED (B)     ALIGNED and WRITEABLE. CARRAY (CA)     BEHAVED and C_CONTIGUOUS. FARRAY (FA)     BEHAVED and F_CONTIGUOUS and not C_CONTIGUOUS.   Notes ----- The `flags` object can be accessed dictionary-like (as in ``a.flags['WRITEABLE']``), or by using lowercased attribute names (as in ``a.flags.writeable``). Short flag names are only supported in dictionary access.   Only the WRITEBACKIFCOPY, UPDATEIFCOPY, WRITEABLE, and ALIGNED flags can be changed by the user, via direct assignment to the attribute or dictionary entry, or by calling `ndarray.setflags`.   The array flags cannot be set arbitrarily:   - UPDATEIFCOPY can only be set ``False``. - WRITEBACKIFCOPY can only be set ``False``. - ALIGNED can only be set ``True`` if the data is truly aligned. - WRITEABLE can only be set ``True`` if the array owns its own memory   or the ultimate owner of the memory exposes a writeable buffer   interface or is a string.   Arrays can be both C-style and Fortran-style contiguous simultaneously. This is clear for 1-dimensional arrays, but can also be true for higher dimensional arrays.   Even for contiguous arrays a stride for a given dimension ``arr.strides[dim]`` may be *arbitrary* if ``arr.shape[dim] == 1`` or the array has no elements. It does *not* generally hold that ``self.strides[-1] == self.itemsize`` for C-style contiguous arrays or ``self.strides[0] == self.itemsize`` for Fortran-style contiguous arrays is true. flat A 1-D iterator over the array.   This is a `numpy.flatiter` instance, which acts similarly to, but is not a subclass of, Python's built-in iterator object.   See Also -------- flatten : Return a copy of the array collapsed into one dimension.   flatiter   Examples -------- >>> x = np.arange(1, 7).reshape(2, 3) >>> x array([[1, 2, 3],        [4, 5, 6]]) >>> x.flat[3] 4 >>> x.T array([[1, 4],        [2, 5],        [3, 6]]) >>> x.T.flat[3] 5 >>> type(x.flat) <type 'numpy.flatiter'>   An assignment example:   >>> x.flat = 3; x array([[3, 3, 3],        [3, 3, 3]]) >>> x.flat[[1,4]] = 1; x array([[3, 1, 3],        [3, 1, 3]]) imag The imaginary part of the array.   Examples -------- >>> x = np.sqrt([1+0j, 0+1j]) >>> x.imag array([ 0.        ,  0.70710678]) >>> x.imag.dtype dtype('float64') itemsize Length of one array element in bytes.   Examples -------- >>> x = np.array([1,2,3], dtype=np.float64) >>> x.itemsize 8 >>> x = np.array([1,2,3], dtype=np.complex128) >>> x.itemsize 16 nbytes Total bytes consumed by the elements of the array.   Notes ----- Does not include memory consumed by non-element attributes of the array object.   Examples -------- >>> x = np.zeros((3,5,2), dtype=np.complex128) >>> x.nbytes 480 >>> np.prod(x.shape) * x.itemsize 480 ndim Number of array dimensions.   Examples -------- >>> x = np.array([1, 2, 3]) >>> x.ndim 1 >>> y = np.zeros((2, 3, 4)) >>> y.ndim 3 real The real part of the array.   Examples -------- >>> x = np.sqrt([1+0j, 0+1j]) >>> x.real array([ 1.        ,  0.70710678]) >>> x.real.dtype dtype('float64')   See Also -------- numpy.real : equivalent function shape Tuple of array dimensions.   The shape property is usually used to get the current shape of an array, but may also be used to reshape the array in-place by assigning a tuple of array dimensions to it.  As with `numpy.reshape`, one of the new shape dimensions can be -1, in which case its value is inferred from the size of the array and the remaining dimensions. Reshaping an array in-place will fail if a copy is required.   Examples -------- >>> x = np.array([1, 2, 3, 4]) >>> x.shape (4,) >>> y = np.zeros((2, 3, 4)) >>> y.shape (2, 3, 4) >>> y.shape = (3, 8) >>> y array([[ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],        [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],        [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.]]) >>> y.shape = (3, 6) Traceback (most recent call last):   File "<stdin>", line 1, in <module> ValueError: total size of new array must be unchanged >>> np.zeros((4,2))[::2].shape = (-1,) Traceback (most recent call last):   File "<stdin>", line 1, in <module> AttributeError: incompatible shape for a non-contiguous array   See Also -------- numpy.reshape : similar function ndarray.reshape : similar method size Number of elements in the array.   Equal to ``np.prod(a.shape)``, i.e., the product of the array's dimensions.   Notes ----- `a.size` returns a standard arbitrary precision Python integer. This  may not be the case with other methods of obtaining the same value (like the suggested ``np.prod(a.shape)``, which returns an instance of ``np.int_``), and may be relevant if the value is used further in calculations that may overflow a fixed size integer type.   Examples -------- >>> x = np.zeros((3, 5, 2), dtype=np.complex128) >>> x.size 30 >>> np.prod(x.shape) 30 strides Tuple of bytes to step in each dimension when traversing an array.   The byte offset of element ``(i[0], i[1], ..., i[n])`` in an array `a` is::       offset = sum(np.array(i) * a.strides)   A more detailed explanation of strides can be found in the "ndarray.rst" file in the NumPy reference guide.   Notes ----- Imagine an array of 32-bit integers (each 4 bytes)::     x = np.array([[0, 1, 2, 3, 4],                 [5, 6, 7, 8, 9]], dtype=np.int32)   This array is stored in memory as 40 bytes, one after the other (known as a contiguous block of memory).  The strides of an array tell us how many bytes we have to skip in memory to move to the next position along a certain axis.  For example, we have to skip 4 bytes (1 value) to move to the next column, but 20 bytes (5 values) to get to the same position in the next row.  As such, the strides for the array `x` will be ``(20, 4)``.   See Also -------- numpy.lib.stride_tricks.as_strided   Examples -------- >>> y = np.reshape(np.arange(2*3*4), (2,3,4)) >>> y array([[[ 0,  1,  2,  3],         [ 4,  5,  6,  7],         [ 8,  9, 10, 11]],        [[12, 13, 14, 15],         [16, 17, 18, 19],         [20, 21, 22, 23]]]) >>> y.strides (48, 16, 4) >>> y[1,1,1] 17 >>> offset=sum(y.strides * np.array((1,1,1))) >>> offset/y.itemsize 17   >>> x = np.reshape(np.arange(5*6*7*8), (5,6,7,8)).transpose(2,3,1,0) >>> x.strides (32, 4, 224, 1344) >>> i = np.array([3,5,2,2]) >>> offset = sum(i * x.strides) >>> x[3,5,2,2] 813 >>> offset / x.itemsize 813   clongdouble = class complex128(complexfloating)     Composed of two 64 bit floats     Method resolution order: complex128 complexfloating inexact number generic builtins.object Methods defined here: __complex__(...) __eq__(self, value, /) Return self==value. __float__(self, /) float(self) __ge__(self, value, /) Return self>=value. __gt__(self, value, /) Return self>value. __hash__(self, /) Return hash(self). __int__(self, /) int(self) __le__(self, value, /) Return self<=value. __lt__(self, value, /) Return self<value. __ne__(self, value, /) Return self!=value. __new__(*args, **kwargs) from builtins.type Create and return a new object.  See help(type) for accurate signature. __repr__(self, /) Return repr(self). __str__(self, /) Return str(self). Methods inherited from generic: __abs__(self, /) abs(self) __add__(self, value, /) Return self+value. __and__(self, value, /) Return self&value. __array__(...) sc.__array__(dtype) return 0-dim array from scalar with specified dtype __array_wrap__(...) sc.__array_wrap__(obj) return scalar from array __bool__(self, /) self != 0 __copy__(...) __deepcopy__(...) __divmod__(self, value, /) Return divmod(self, value). __floordiv__(self, value, /) Return self//value. __format__(...) NumPy array scalar formatter __getitem__(self, key, /) Return self[key]. __invert__(self, /) ~self __lshift__(self, value, /) Return self<<value. __mod__(self, value, /) Return self%value. __mul__(self, value, /) Return self*value. __neg__(self, /) -self __or__(self, value, /) Return self|value. __pos__(self, /) +self __pow__(self, value, mod=None, /) Return pow(self, value, mod). __radd__(self, value, /) Return value+self. __rand__(self, value, /) Return value&self. __rdivmod__(self, value, /) Return divmod(value, self). __reduce__(...) helper for pickle __rfloordiv__(self, value, /) Return value//self. __rlshift__(self, value, /) Return value<<self. __rmod__(self, value, /) Return value%self. __rmul__(self, value, /) Return value*self. __ror__(self, value, /) Return value|self. __round__(...) __rpow__(self, value, mod=None, /) Return pow(value, self, mod). __rrshift__(self, value, /) Return value>>self. __rshift__(self, value, /) Return self>>value. __rsub__(self, value, /) Return value-self. __rtruediv__(self, value, /) Return value/self. __rxor__(self, value, /) Return value^self. __setstate__(...) __sizeof__(...) __sizeof__() -> int size of object in memory, in bytes __sub__(self, value, /) Return self-value. __truediv__(self, value, /) Return self/value. __xor__(self, value, /) Return self^value. all(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. any(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmax(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmin(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argsort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. astype(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. byteswap(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. choose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. clip(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. compress(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. conj(...) conjugate(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. copy(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumprod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumsum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. diagonal(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dump(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dumps(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. fill(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. flatten(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. getfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. item(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. itemset(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. max(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. mean(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. min(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. newbyteorder(...) newbyteorder(new_order='S')   Return a new `dtype` with a different byte order.   Changes are also made in all fields and sub-arrays of the data type.   The `new_order` code can be any from the following:   * 'S' - swap dtype from current to opposite endian * {'<', 'L'} - little endian * {'>', 'B'} - big endian * {'=', 'N'} - native order * {'|', 'I'} - ignore (no change to byte order)   Parameters ---------- new_order : str, optional     Byte order to force; a value from the byte order specifications     above.  The default value ('S') results in swapping the current     byte order. The code does a case-insensitive check on the first     letter of `new_order` for the alternatives above.  For example,     any of 'B' or 'b' or 'biggish' are valid to specify big-endian.     Returns ------- new_dtype : dtype     New `dtype` object with the given change to the byte order. nonzero(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. prod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ptp(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. put(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ravel(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. repeat(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. reshape(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. resize(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. round(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. searchsorted(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setflags(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. squeeze(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. std(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. swapaxes(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. take(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tobytes(...) tofile(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tolist(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tostring(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. trace(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. transpose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. var(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. view(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. Data descriptors inherited from generic: T transpose __array_interface__ Array protocol: Python side __array_priority__ Array priority. __array_struct__ Array protocol: struct base base object data pointer to start of data dtype get array data-descriptor flags integer value of flags flat a 1-d view of scalar imag imaginary part of scalar itemsize length of one element in bytes nbytes length of item in bytes ndim number of array dimensions real real part of scalar shape tuple of array dimensions size number of elements in the gentype strides tuple of bytes steps in each dimension   clongfloat = class complex128(complexfloating)     Composed of two 64 bit floats     Method resolution order: complex128 complexfloating inexact number generic builtins.object Methods defined here: __complex__(...) __eq__(self, value, /) Return self==value. __float__(self, /) float(self) __ge__(self, value, /) Return self>=value. __gt__(self, value, /) Return self>value. __hash__(self, /) Return hash(self). __int__(self, /) int(self) __le__(self, value, /) Return self<=value. __lt__(self, value, /) Return self<value. __ne__(self, value, /) Return self!=value. __new__(*args, **kwargs) from builtins.type Create and return a new object.  See help(type) for accurate signature. __repr__(self, /) Return repr(self). __str__(self, /) Return str(self). Methods inherited from generic: __abs__(self, /) abs(self) __add__(self, value, /) Return self+value. __and__(self, value, /) Return self&value. __array__(...) sc.__array__(dtype) return 0-dim array from scalar with specified dtype __array_wrap__(...) sc.__array_wrap__(obj) return scalar from array __bool__(self, /) self != 0 __copy__(...) __deepcopy__(...) __divmod__(self, value, /) Return divmod(self, value). __floordiv__(self, value, /) Return self//value. __format__(...) NumPy array scalar formatter __getitem__(self, key, /) Return self[key]. __invert__(self, /) ~self __lshift__(self, value, /) Return self<<value. __mod__(self, value, /) Return self%value. __mul__(self, value, /) Return self*value. __neg__(self, /) -self __or__(self, value, /) Return self|value. __pos__(self, /) +self __pow__(self, value, mod=None, /) Return pow(self, value, mod). __radd__(self, value, /) Return value+self. __rand__(self, value, /) Return value&self. __rdivmod__(self, value, /) Return divmod(value, self). __reduce__(...) helper for pickle __rfloordiv__(self, value, /) Return value//self. __rlshift__(self, value, /) Return value<<self. __rmod__(self, value, /) Return value%self. __rmul__(self, value, /) Return value*self. __ror__(self, value, /) Return value|self. __round__(...) __rpow__(self, value, mod=None, /) Return pow(value, self, mod). __rrshift__(self, value, /) Return value>>self. __rshift__(self, value, /) Return self>>value. __rsub__(self, value, /) Return value-self. __rtruediv__(self, value, /) Return value/self. __rxor__(self, value, /) Return value^self. __setstate__(...) __sizeof__(...) __sizeof__() -> int size of object in memory, in bytes __sub__(self, value, /) Return self-value. __truediv__(self, value, /) Return self/value. __xor__(self, value, /) Return self^value. all(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. any(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmax(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmin(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argsort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. astype(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. byteswap(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. choose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. clip(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. compress(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. conj(...) conjugate(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. copy(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumprod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumsum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. diagonal(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dump(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dumps(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. fill(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. flatten(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. getfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. item(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. itemset(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. max(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. mean(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. min(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. newbyteorder(...) newbyteorder(new_order='S')   Return a new `dtype` with a different byte order.   Changes are also made in all fields and sub-arrays of the data type.   The `new_order` code can be any from the following:   * 'S' - swap dtype from current to opposite endian * {'<', 'L'} - little endian * {'>', 'B'} - big endian * {'=', 'N'} - native order * {'|', 'I'} - ignore (no change to byte order)   Parameters ---------- new_order : str, optional     Byte order to force; a value from the byte order specifications     above.  The default value ('S') results in swapping the current     byte order. The code does a case-insensitive check on the first     letter of `new_order` for the alternatives above.  For example,     any of 'B' or 'b' or 'biggish' are valid to specify big-endian.     Returns ------- new_dtype : dtype     New `dtype` object with the given change to the byte order. nonzero(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. prod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ptp(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. put(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ravel(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. repeat(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. reshape(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. resize(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. round(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. searchsorted(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setflags(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. squeeze(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. std(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. swapaxes(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. take(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tobytes(...) tofile(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tolist(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tostring(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. trace(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. transpose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. var(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. view(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. Data descriptors inherited from generic: T transpose __array_interface__ Array protocol: Python side __array_priority__ Array priority. __array_struct__ Array protocol: struct base base object data pointer to start of data dtype get array data-descriptor flags integer value of flags flat a 1-d view of scalar imag imaginary part of scalar itemsize length of one element in bytes nbytes length of item in bytes ndim number of array dimensions real real part of scalar shape tuple of array dimensions size number of elements in the gentype strides tuple of bytes steps in each dimension   class complex128(complexfloating, builtins.complex)     Composed of two 64 bit floats     Method resolution order: complex128 complexfloating inexact number generic builtins.complex builtins.object Methods defined here: __abs__(self, /) abs(self) __add__(self, value, /) Return self+value. __and__(self, value, /) Return self&value. __bool__(self, /) self != 0 __divmod__(self, value, /) Return divmod(self, value). __eq__(self, value, /) Return self==value. __float__(self, /) float(self) __floordiv__(self, value, /) Return self//value. __ge__(self, value, /) Return self>=value. __gt__(self, value, /) Return self>value. __hash__(self, /) Return hash(self). __int__(self, /) int(self) __invert__(self, /) ~self __le__(self, value, /) Return self<=value. __lshift__(self, value, /) Return self<<value. __lt__(self, value, /) Return self<value. __mod__(self, value, /) Return self%value. __mul__(self, value, /) Return self*value. __ne__(self, value, /) Return self!=value. __neg__(self, /) -self __new__(*args, **kwargs) from builtins.type Create and return a new object.  See help(type) for accurate signature. __or__(self, value, /) Return self|value. __pos__(self, /) +self __pow__(self, value, mod=None, /) Return pow(self, value, mod). __radd__(self, value, /) Return value+self. __rand__(self, value, /) Return value&self. __rdivmod__(self, value, /) Return divmod(value, self). __repr__(self, /) Return repr(self). __rfloordiv__(self, value, /) Return value//self. __rlshift__(self, value, /) Return value<<self. __rmod__(self, value, /) Return value%self. __rmul__(self, value, /) Return value*self. __ror__(self, value, /) Return value|self. __rpow__(self, value, mod=None, /) Return pow(value, self, mod). __rrshift__(self, value, /) Return value>>self. __rshift__(self, value, /) Return self>>value. __rsub__(self, value, /) Return value-self. __rtruediv__(self, value, /) Return value/self. __rxor__(self, value, /) Return value^self. __str__(self, /) Return str(self). __sub__(self, value, /) Return self-value. __truediv__(self, value, /) Return self/value. __xor__(self, value, /) Return self^value. Methods inherited from generic: __array__(...) sc.__array__(dtype) return 0-dim array from scalar with specified dtype __array_wrap__(...) sc.__array_wrap__(obj) return scalar from array __copy__(...) __deepcopy__(...) __format__(...) NumPy array scalar formatter __getitem__(self, key, /) Return self[key]. __reduce__(...) helper for pickle __round__(...) __setstate__(...) __sizeof__(...) __sizeof__() -> int size of object in memory, in bytes all(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. any(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmax(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmin(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argsort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. astype(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. byteswap(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. choose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. clip(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. compress(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. conj(...) conjugate(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. copy(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumprod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumsum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. diagonal(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dump(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dumps(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. fill(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. flatten(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. getfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. item(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. itemset(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. max(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. mean(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. min(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. newbyteorder(...) newbyteorder(new_order='S')   Return a new `dtype` with a different byte order.   Changes are also made in all fields and sub-arrays of the data type.   The `new_order` code can be any from the following:   * 'S' - swap dtype from current to opposite endian * {'<', 'L'} - little endian * {'>', 'B'} - big endian * {'=', 'N'} - native order * {'|', 'I'} - ignore (no change to byte order)   Parameters ---------- new_order : str, optional     Byte order to force; a value from the byte order specifications     above.  The default value ('S') results in swapping the current     byte order. The code does a case-insensitive check on the first     letter of `new_order` for the alternatives above.  For example,     any of 'B' or 'b' or 'biggish' are valid to specify big-endian.     Returns ------- new_dtype : dtype     New `dtype` object with the given change to the byte order. nonzero(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. prod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ptp(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. put(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ravel(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. repeat(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. reshape(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. resize(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. round(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. searchsorted(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setflags(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. squeeze(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. std(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. swapaxes(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. take(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tobytes(...) tofile(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tolist(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tostring(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. trace(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. transpose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. var(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. view(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. Data descriptors inherited from generic: T transpose __array_interface__ Array protocol: Python side __array_priority__ Array priority. __array_struct__ Array protocol: struct base base object data pointer to start of data dtype get array data-descriptor flags integer value of flags flat a 1-d view of scalar imag imaginary part of scalar itemsize length of one element in bytes nbytes length of item in bytes ndim number of array dimensions real real part of scalar shape tuple of array dimensions size number of elements in the gentype strides tuple of bytes steps in each dimension Methods inherited from builtins.complex: __getattribute__(self, name, /) Return getattr(self, name). __getnewargs__(...)   class complex64(complexfloating)     Composed of two 32 bit floats     Method resolution order: complex64 complexfloating inexact number generic builtins.object Methods defined here: __abs__(self, /) abs(self) __add__(self, value, /) Return self+value. __and__(self, value, /) Return self&value. __bool__(self, /) self != 0 __complex__(...) __divmod__(self, value, /) Return divmod(self, value). __eq__(self, value, /) Return self==value. __float__(self, /) float(self) __floordiv__(self, value, /) Return self//value. __ge__(self, value, /) Return self>=value. __gt__(self, value, /) Return self>value. __hash__(self, /) Return hash(self). __int__(self, /) int(self) __invert__(self, /) ~self __le__(self, value, /) Return self<=value. __lshift__(self, value, /) Return self<<value. __lt__(self, value, /) Return self<value. __mod__(self, value, /) Return self%value. __mul__(self, value, /) Return self*value. __ne__(self, value, /) Return self!=value. __neg__(self, /) -self __new__(*args, **kwargs) from builtins.type Create and return a new object.  See help(type) for accurate signature. __or__(self, value, /) Return self|value. __pos__(self, /) +self __pow__(self, value, mod=None, /) Return pow(self, value, mod). __radd__(self, value, /) Return value+self. __rand__(self, value, /) Return value&self. __rdivmod__(self, value, /) Return divmod(value, self). __repr__(self, /) Return repr(self). __rfloordiv__(self, value, /) Return value//self. __rlshift__(self, value, /) Return value<<self. __rmod__(self, value, /) Return value%self. __rmul__(self, value, /) Return value*self. __ror__(self, value, /) Return value|self. __rpow__(self, value, mod=None, /) Return pow(value, self, mod). __rrshift__(self, value, /) Return value>>self. __rshift__(self, value, /) Return self>>value. __rsub__(self, value, /) Return value-self. __rtruediv__(self, value, /) Return value/self. __rxor__(self, value, /) Return value^self. __str__(self, /) Return str(self). __sub__(self, value, /) Return self-value. __truediv__(self, value, /) Return self/value. __xor__(self, value, /) Return self^value. Methods inherited from generic: __array__(...) sc.__array__(dtype) return 0-dim array from scalar with specified dtype __array_wrap__(...) sc.__array_wrap__(obj) return scalar from array __copy__(...) __deepcopy__(...) __format__(...) NumPy array scalar formatter __getitem__(self, key, /) Return self[key]. __reduce__(...) helper for pickle __round__(...) __setstate__(...) __sizeof__(...) __sizeof__() -> int size of object in memory, in bytes all(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. any(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmax(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmin(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argsort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. astype(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. byteswap(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. choose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. clip(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. compress(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. conj(...) conjugate(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. copy(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumprod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumsum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. diagonal(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dump(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dumps(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. fill(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. flatten(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. getfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. item(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. itemset(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. max(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. mean(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. min(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. newbyteorder(...) newbyteorder(new_order='S')   Return a new `dtype` with a different byte order.   Changes are also made in all fields and sub-arrays of the data type.   The `new_order` code can be any from the following:   * 'S' - swap dtype from current to opposite endian * {'<', 'L'} - little endian * {'>', 'B'} - big endian * {'=', 'N'} - native order * {'|', 'I'} - ignore (no change to byte order)   Parameters ---------- new_order : str, optional     Byte order to force; a value from the byte order specifications     above.  The default value ('S') results in swapping the current     byte order. The code does a case-insensitive check on the first     letter of `new_order` for the alternatives above.  For example,     any of 'B' or 'b' or 'biggish' are valid to specify big-endian.     Returns ------- new_dtype : dtype     New `dtype` object with the given change to the byte order. nonzero(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. prod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ptp(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. put(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ravel(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. repeat(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. reshape(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. resize(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. round(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. searchsorted(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setflags(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. squeeze(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. std(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. swapaxes(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. take(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tobytes(...) tofile(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tolist(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tostring(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. trace(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. transpose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. var(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. view(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. Data descriptors inherited from generic: T transpose __array_interface__ Array protocol: Python side __array_priority__ Array priority. __array_struct__ Array protocol: struct base base object data pointer to start of data dtype get array data-descriptor flags integer value of flags flat a 1-d view of scalar imag imaginary part of scalar itemsize length of one element in bytes nbytes length of item in bytes ndim number of array dimensions real real part of scalar shape tuple of array dimensions size number of elements in the gentype strides tuple of bytes steps in each dimension   complex_ = class complex128(complexfloating, builtins.complex)     Composed of two 64 bit floats     Method resolution order: complex128 complexfloating inexact number generic builtins.complex builtins.object Methods defined here: __abs__(self, /) abs(self) __add__(self, value, /) Return self+value. __and__(self, value, /) Return self&value. __bool__(self, /) self != 0 __divmod__(self, value, /) Return divmod(self, value). __eq__(self, value, /) Return self==value. __float__(self, /) float(self) __floordiv__(self, value, /) Return self//value. __ge__(self, value, /) Return self>=value. __gt__(self, value, /) Return self>value. __hash__(self, /) Return hash(self). __int__(self, /) int(self) __invert__(self, /) ~self __le__(self, value, /) Return self<=value. __lshift__(self, value, /) Return self<<value. __lt__(self, value, /) Return self<value. __mod__(self, value, /) Return self%value. __mul__(self, value, /) Return self*value. __ne__(self, value, /) Return self!=value. __neg__(self, /) -self __new__(*args, **kwargs) from builtins.type Create and return a new object.  See help(type) for accurate signature. __or__(self, value, /) Return self|value. __pos__(self, /) +self __pow__(self, value, mod=None, /) Return pow(self, value, mod). __radd__(self, value, /) Return value+self. __rand__(self, value, /) Return value&self. __rdivmod__(self, value, /) Return divmod(value, self). __repr__(self, /) Return repr(self). __rfloordiv__(self, value, /) Return value//self. __rlshift__(self, value, /) Return value<<self. __rmod__(self, value, /) Return value%self. __rmul__(self, value, /) Return value*self. __ror__(self, value, /) Return value|self. __rpow__(self, value, mod=None, /) Return pow(value, self, mod). __rrshift__(self, value, /) Return value>>self. __rshift__(self, value, /) Return self>>value. __rsub__(self, value, /) Return value-self. __rtruediv__(self, value, /) Return value/self. __rxor__(self, value, /) Return value^self. __str__(self, /) Return str(self). __sub__(self, value, /) Return self-value. __truediv__(self, value, /) Return self/value. __xor__(self, value, /) Return self^value. Methods inherited from generic: __array__(...) sc.__array__(dtype) return 0-dim array from scalar with specified dtype __array_wrap__(...) sc.__array_wrap__(obj) return scalar from array __copy__(...) __deepcopy__(...) __format__(...) NumPy array scalar formatter __getitem__(self, key, /) Return self[key]. __reduce__(...) helper for pickle __round__(...) __setstate__(...) __sizeof__(...) __sizeof__() -> int size of object in memory, in bytes all(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. any(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmax(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmin(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argsort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. astype(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. byteswap(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. choose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. clip(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. compress(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. conj(...) conjugate(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. copy(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumprod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumsum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. diagonal(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dump(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dumps(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. fill(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. flatten(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. getfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. item(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. itemset(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. max(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. mean(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. min(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. newbyteorder(...) newbyteorder(new_order='S')   Return a new `dtype` with a different byte order.   Changes are also made in all fields and sub-arrays of the data type.   The `new_order` code can be any from the following:   * 'S' - swap dtype from current to opposite endian * {'<', 'L'} - little endian * {'>', 'B'} - big endian * {'=', 'N'} - native order * {'|', 'I'} - ignore (no change to byte order)   Parameters ---------- new_order : str, optional     Byte order to force; a value from the byte order specifications     above.  The default value ('S') results in swapping the current     byte order. The code does a case-insensitive check on the first     letter of `new_order` for the alternatives above.  For example,     any of 'B' or 'b' or 'biggish' are valid to specify big-endian.     Returns ------- new_dtype : dtype     New `dtype` object with the given change to the byte order. nonzero(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. prod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ptp(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. put(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ravel(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. repeat(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. reshape(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. resize(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. round(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. searchsorted(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setflags(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. squeeze(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. std(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. swapaxes(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. take(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tobytes(...) tofile(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tolist(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tostring(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. trace(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. transpose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. var(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. view(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. Data descriptors inherited from generic: T transpose __array_interface__ Array protocol: Python side __array_priority__ Array priority. __array_struct__ Array protocol: struct base base object data pointer to start of data dtype get array data-descriptor flags integer value of flags flat a 1-d view of scalar imag imaginary part of scalar itemsize length of one element in bytes nbytes length of item in bytes ndim number of array dimensions real real part of scalar shape tuple of array dimensions size number of elements in the gentype strides tuple of bytes steps in each dimension Methods inherited from builtins.complex: __getattribute__(self, name, /) Return getattr(self, name). __getnewargs__(...)   class complexfloating(inexact)     Base class for numpy scalar types.   Class from which most (all?) numpy scalar types are derived.  For consistency, exposes the same API as `ndarray`, despite many consequent attributes being either "get-only," or completely irrelevant. This is the class from which it is strongly suggested users should derive custom scalar types.     Method resolution order: complexfloating inexact number generic builtins.object Methods inherited from generic: __abs__(self, /) abs(self) __add__(self, value, /) Return self+value. __and__(self, value, /) Return self&value. __array__(...) sc.__array__(dtype) return 0-dim array from scalar with specified dtype __array_wrap__(...) sc.__array_wrap__(obj) return scalar from array __bool__(self, /) self != 0 __copy__(...) __deepcopy__(...) __divmod__(self, value, /) Return divmod(self, value). __eq__(self, value, /) Return self==value. __float__(self, /) float(self) __floordiv__(self, value, /) Return self//value. __format__(...) NumPy array scalar formatter __ge__(self, value, /) Return self>=value. __getitem__(self, key, /) Return self[key]. __gt__(self, value, /) Return self>value. __int__(self, /) int(self) __invert__(self, /) ~self __le__(self, value, /) Return self<=value. __lshift__(self, value, /) Return self<<value. __lt__(self, value, /) Return self<value. __mod__(self, value, /) Return self%value. __mul__(self, value, /) Return self*value. __ne__(self, value, /) Return self!=value. __neg__(self, /) -self __or__(self, value, /) Return self|value. __pos__(self, /) +self __pow__(self, value, mod=None, /) Return pow(self, value, mod). __radd__(self, value, /) Return value+self. __rand__(self, value, /) Return value&self. __rdivmod__(self, value, /) Return divmod(value, self). __reduce__(...) helper for pickle __rfloordiv__(self, value, /) Return value//self. __rlshift__(self, value, /) Return value<<self. __rmod__(self, value, /) Return value%self. __rmul__(self, value, /) Return value*self. __ror__(self, value, /) Return value|self. __round__(...) __rpow__(self, value, mod=None, /) Return pow(value, self, mod). __rrshift__(self, value, /) Return value>>self. __rshift__(self, value, /) Return self>>value. __rsub__(self, value, /) Return value-self. __rtruediv__(self, value, /) Return value/self. __rxor__(self, value, /) Return value^self. __setstate__(...) __sizeof__(...) __sizeof__() -> int size of object in memory, in bytes __sub__(self, value, /) Return self-value. __truediv__(self, value, /) Return self/value. __xor__(self, value, /) Return self^value. all(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. any(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmax(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmin(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argsort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. astype(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. byteswap(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. choose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. clip(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. compress(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. conj(...) conjugate(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. copy(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumprod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumsum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. diagonal(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dump(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dumps(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. fill(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. flatten(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. getfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. item(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. itemset(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. max(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. mean(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. min(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. newbyteorder(...) newbyteorder(new_order='S')   Return a new `dtype` with a different byte order.   Changes are also made in all fields and sub-arrays of the data type.   The `new_order` code can be any from the following:   * 'S' - swap dtype from current to opposite endian * {'<', 'L'} - little endian * {'>', 'B'} - big endian * {'=', 'N'} - native order * {'|', 'I'} - ignore (no change to byte order)   Parameters ---------- new_order : str, optional     Byte order to force; a value from the byte order specifications     above.  The default value ('S') results in swapping the current     byte order. The code does a case-insensitive check on the first     letter of `new_order` for the alternatives above.  For example,     any of 'B' or 'b' or 'biggish' are valid to specify big-endian.     Returns ------- new_dtype : dtype     New `dtype` object with the given change to the byte order. nonzero(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. prod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ptp(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. put(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ravel(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. repeat(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. reshape(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. resize(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. round(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. searchsorted(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setflags(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. squeeze(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. std(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. swapaxes(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. take(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tobytes(...) tofile(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tolist(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tostring(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. trace(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. transpose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. var(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. view(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. Data descriptors inherited from generic: T transpose __array_interface__ Array protocol: Python side __array_priority__ Array priority. __array_struct__ Array protocol: struct base base object data pointer to start of data dtype get array data-descriptor flags integer value of flags flat a 1-d view of scalar imag imaginary part of scalar itemsize length of one element in bytes nbytes length of item in bytes ndim number of array dimensions real real part of scalar shape tuple of array dimensions size number of elements in the gentype strides tuple of bytes steps in each dimension Data and other attributes inherited from generic: __hash__ = None   csingle = class complex64(complexfloating)     Composed of two 32 bit floats     Method resolution order: complex64 complexfloating inexact number generic builtins.object Methods defined here: __abs__(self, /) abs(self) __add__(self, value, /) Return self+value. __and__(self, value, /) Return self&value. __bool__(self, /) self != 0 __complex__(...) __divmod__(self, value, /) Return divmod(self, value). __eq__(self, value, /) Return self==value. __float__(self, /) float(self) __floordiv__(self, value, /) Return self//value. __ge__(self, value, /) Return self>=value. __gt__(self, value, /) Return self>value. __hash__(self, /) Return hash(self). __int__(self, /) int(self) __invert__(self, /) ~self __le__(self, value, /) Return self<=value. __lshift__(self, value, /) Return self<<value. __lt__(self, value, /) Return self<value. __mod__(self, value, /) Return self%value. __mul__(self, value, /) Return self*value. __ne__(self, value, /) Return self!=value. __neg__(self, /) -self __new__(*args, **kwargs) from builtins.type Create and return a new object.  See help(type) for accurate signature. __or__(self, value, /) Return self|value. __pos__(self, /) +self __pow__(self, value, mod=None, /) Return pow(self, value, mod). __radd__(self, value, /) Return value+self. __rand__(self, value, /) Return value&self. __rdivmod__(self, value, /) Return divmod(value, self). __repr__(self, /) Return repr(self). __rfloordiv__(self, value, /) Return value//self. __rlshift__(self, value, /) Return value<<self. __rmod__(self, value, /) Return value%self. __rmul__(self, value, /) Return value*self. __ror__(self, value, /) Return value|self. __rpow__(self, value, mod=None, /) Return pow(value, self, mod). __rrshift__(self, value, /) Return value>>self. __rshift__(self, value, /) Return self>>value. __rsub__(self, value, /) Return value-self. __rtruediv__(self, value, /) Return value/self. __rxor__(self, value, /) Return value^self. __str__(self, /) Return str(self). __sub__(self, value, /) Return self-value. __truediv__(self, value, /) Return self/value. __xor__(self, value, /) Return self^value. Methods inherited from generic: __array__(...) sc.__array__(dtype) return 0-dim array from scalar with specified dtype __array_wrap__(...) sc.__array_wrap__(obj) return scalar from array __copy__(...) __deepcopy__(...) __format__(...) NumPy array scalar formatter __getitem__(self, key, /) Return self[key]. __reduce__(...) helper for pickle __round__(...) __setstate__(...) __sizeof__(...) __sizeof__() -> int size of object in memory, in bytes all(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. any(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmax(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmin(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argsort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. astype(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. byteswap(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. choose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. clip(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. compress(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. conj(...) conjugate(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. copy(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumprod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumsum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. diagonal(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dump(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dumps(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. fill(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. flatten(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. getfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. item(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. itemset(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. max(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. mean(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. min(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. newbyteorder(...) newbyteorder(new_order='S')   Return a new `dtype` with a different byte order.   Changes are also made in all fields and sub-arrays of the data type.   The `new_order` code can be any from the following:   * 'S' - swap dtype from current to opposite endian * {'<', 'L'} - little endian * {'>', 'B'} - big endian * {'=', 'N'} - native order * {'|', 'I'} - ignore (no change to byte order)   Parameters ---------- new_order : str, optional     Byte order to force; a value from the byte order specifications     above.  The default value ('S') results in swapping the current     byte order. The code does a case-insensitive check on the first     letter of `new_order` for the alternatives above.  For example,     any of 'B' or 'b' or 'biggish' are valid to specify big-endian.     Returns ------- new_dtype : dtype     New `dtype` object with the given change to the byte order. nonzero(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. prod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ptp(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. put(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ravel(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. repeat(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. reshape(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. resize(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. round(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. searchsorted(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setflags(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. squeeze(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. std(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. swapaxes(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. take(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tobytes(...) tofile(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tolist(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tostring(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. trace(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. transpose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. var(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. view(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. Data descriptors inherited from generic: T transpose __array_interface__ Array protocol: Python side __array_priority__ Array priority. __array_struct__ Array protocol: struct base base object data pointer to start of data dtype get array data-descriptor flags integer value of flags flat a 1-d view of scalar imag imaginary part of scalar itemsize length of one element in bytes nbytes length of item in bytes ndim number of array dimensions real real part of scalar shape tuple of array dimensions size number of elements in the gentype strides tuple of bytes steps in each dimension   class datetime64(generic)     Base class for numpy scalar types.   Class from which most (all?) numpy scalar types are derived.  For consistency, exposes the same API as `ndarray`, despite many consequent attributes being either "get-only," or completely irrelevant. This is the class from which it is strongly suggested users should derive custom scalar types.     Method resolution order: datetime64 generic builtins.object Methods defined here: __eq__(self, value, /) Return self==value. __ge__(self, value, /) Return self>=value. __gt__(self, value, /) Return self>value. __hash__(self, /) Return hash(self). __le__(self, value, /) Return self<=value. __lt__(self, value, /) Return self<value. __ne__(self, value, /) Return self!=value. __new__(*args, **kwargs) from builtins.type Create and return a new object.  See help(type) for accurate signature. __repr__(self, /) Return repr(self). __str__(self, /) Return str(self). Methods inherited from generic: __abs__(self, /) abs(self) __add__(self, value, /) Return self+value. __and__(self, value, /) Return self&value. __array__(...) sc.__array__(dtype) return 0-dim array from scalar with specified dtype __array_wrap__(...) sc.__array_wrap__(obj) return scalar from array __bool__(self, /) self != 0 __copy__(...) __deepcopy__(...) __divmod__(self, value, /) Return divmod(self, value). __float__(self, /) float(self) __floordiv__(self, value, /) Return self//value. __format__(...) NumPy array scalar formatter __getitem__(self, key, /) Return self[key]. __int__(self, /) int(self) __invert__(self, /) ~self __lshift__(self, value, /) Return self<<value. __mod__(self, value, /) Return self%value. __mul__(self, value, /) Return self*value. __neg__(self, /) -self __or__(self, value, /) Return self|value. __pos__(self, /) +self __pow__(self, value, mod=None, /) Return pow(self, value, mod). __radd__(self, value, /) Return value+self. __rand__(self, value, /) Return value&self. __rdivmod__(self, value, /) Return divmod(value, self). __reduce__(...) helper for pickle __rfloordiv__(self, value, /) Return value//self. __rlshift__(self, value, /) Return value<<self. __rmod__(self, value, /) Return value%self. __rmul__(self, value, /) Return value*self. __ror__(self, value, /) Return value|self. __round__(...) __rpow__(self, value, mod=None, /) Return pow(value, self, mod). __rrshift__(self, value, /) Return value>>self. __rshift__(self, value, /) Return self>>value. __rsub__(self, value, /) Return value-self. __rtruediv__(self, value, /) Return value/self. __rxor__(self, value, /) Return value^self. __setstate__(...) __sizeof__(...) __sizeof__() -> int size of object in memory, in bytes __sub__(self, value, /) Return self-value. __truediv__(self, value, /) Return self/value. __xor__(self, value, /) Return self^value. all(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. any(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmax(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmin(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argsort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. astype(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. byteswap(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. choose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. clip(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. compress(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. conj(...) conjugate(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. copy(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumprod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumsum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. diagonal(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dump(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dumps(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. fill(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. flatten(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. getfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. item(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. itemset(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. max(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. mean(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. min(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. newbyteorder(...) newbyteorder(new_order='S')   Return a new `dtype` with a different byte order.   Changes are also made in all fields and sub-arrays of the data type.   The `new_order` code can be any from the following:   * 'S' - swap dtype from current to opposite endian * {'<', 'L'} - little endian * {'>', 'B'} - big endian * {'=', 'N'} - native order * {'|', 'I'} - ignore (no change to byte order)   Parameters ---------- new_order : str, optional     Byte order to force; a value from the byte order specifications     above.  The default value ('S') results in swapping the current     byte order. The code does a case-insensitive check on the first     letter of `new_order` for the alternatives above.  For example,     any of 'B' or 'b' or 'biggish' are valid to specify big-endian.     Returns ------- new_dtype : dtype     New `dtype` object with the given change to the byte order. nonzero(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. prod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ptp(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. put(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ravel(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. repeat(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. reshape(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. resize(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. round(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. searchsorted(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setflags(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. squeeze(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. std(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. swapaxes(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. take(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tobytes(...) tofile(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tolist(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tostring(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. trace(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. transpose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. var(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. view(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. Data descriptors inherited from generic: T transpose __array_interface__ Array protocol: Python side __array_priority__ Array priority. __array_struct__ Array protocol: struct base base object data pointer to start of data dtype get array data-descriptor flags integer value of flags flat a 1-d view of scalar imag imaginary part of scalar itemsize length of one element in bytes nbytes length of item in bytes ndim number of array dimensions real real part of scalar shape tuple of array dimensions size number of elements in the gentype strides tuple of bytes steps in each dimension   double = class float64(floating, builtins.float)     64-bit floating-point number. Character code 'd'. Python float compatible.     Method resolution order: float64 floating inexact number generic builtins.float builtins.object Methods defined here: __abs__(self, /) abs(self) __add__(self, value, /) Return self+value. __and__(self, value, /) Return self&value. __bool__(self, /) self != 0 __divmod__(self, value, /) Return divmod(self, value). __eq__(self, value, /) Return self==value. __float__(self, /) float(self) __floordiv__(self, value, /) Return self//value. __ge__(self, value, /) Return self>=value. __gt__(self, value, /) Return self>value. __hash__(self, /) Return hash(self). __int__(self, /) int(self) __invert__(self, /) ~self __le__(self, value, /) Return self<=value. __lshift__(self, value, /) Return self<<value. __lt__(self, value, /) Return self<value. __mod__(self, value, /) Return self%value. __mul__(self, value, /) Return self*value. __ne__(self, value, /) Return self!=value. __neg__(self, /) -self __new__(*args, **kwargs) from builtins.type Create and return a new object.  See help(type) for accurate signature. __or__(self, value, /) Return self|value. __pos__(self, /) +self __pow__(self, value, mod=None, /) Return pow(self, value, mod). __radd__(self, value, /) Return value+self. __rand__(self, value, /) Return value&self. __rdivmod__(self, value, /) Return divmod(value, self). __repr__(self, /) Return repr(self). __rfloordiv__(self, value, /) Return value//self. __rlshift__(self, value, /) Return value<<self. __rmod__(self, value, /) Return value%self. __rmul__(self, value, /) Return value*self. __ror__(self, value, /) Return value|self. __rpow__(self, value, mod=None, /) Return pow(value, self, mod). __rrshift__(self, value, /) Return value>>self. __rshift__(self, value, /) Return self>>value. __rsub__(self, value, /) Return value-self. __rtruediv__(self, value, /) Return value/self. __rxor__(self, value, /) Return value^self. __str__(self, /) Return str(self). __sub__(self, value, /) Return self-value. __truediv__(self, value, /) Return self/value. __xor__(self, value, /) Return self^value. Methods inherited from generic: __array__(...) sc.__array__(dtype) return 0-dim array from scalar with specified dtype __array_wrap__(...) sc.__array_wrap__(obj) return scalar from array __copy__(...) __deepcopy__(...) __format__(...) NumPy array scalar formatter __getitem__(self, key, /) Return self[key]. __reduce__(...) helper for pickle __round__(...) __setstate__(...) __sizeof__(...) __sizeof__() -> int size of object in memory, in bytes all(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. any(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmax(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmin(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argsort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. astype(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. byteswap(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. choose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. clip(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. compress(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. conj(...) conjugate(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. copy(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumprod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumsum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. diagonal(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dump(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dumps(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. fill(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. flatten(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. getfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. item(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. itemset(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. max(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. mean(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. min(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. newbyteorder(...) newbyteorder(new_order='S')   Return a new `dtype` with a different byte order.   Changes are also made in all fields and sub-arrays of the data type.   The `new_order` code can be any from the following:   * 'S' - swap dtype from current to opposite endian * {'<', 'L'} - little endian * {'>', 'B'} - big endian * {'=', 'N'} - native order * {'|', 'I'} - ignore (no change to byte order)   Parameters ---------- new_order : str, optional     Byte order to force; a value from the byte order specifications     above.  The default value ('S') results in swapping the current     byte order. The code does a case-insensitive check on the first     letter of `new_order` for the alternatives above.  For example,     any of 'B' or 'b' or 'biggish' are valid to specify big-endian.     Returns ------- new_dtype : dtype     New `dtype` object with the given change to the byte order. nonzero(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. prod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ptp(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. put(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ravel(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. repeat(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. reshape(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. resize(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. round(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. searchsorted(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setflags(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. squeeze(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. std(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. swapaxes(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. take(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tobytes(...) tofile(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tolist(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tostring(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. trace(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. transpose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. var(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. view(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. Data descriptors inherited from generic: T transpose __array_interface__ Array protocol: Python side __array_priority__ Array priority. __array_struct__ Array protocol: struct base base object data pointer to start of data dtype get array data-descriptor flags integer value of flags flat a 1-d view of scalar imag imaginary part of scalar itemsize length of one element in bytes nbytes length of item in bytes ndim number of array dimensions real real part of scalar shape tuple of array dimensions size number of elements in the gentype strides tuple of bytes steps in each dimension Methods inherited from builtins.float: __getattribute__(self, name, /) Return getattr(self, name). __getformat__(...) from builtins.type float.__getformat__(typestr) -> string   You probably don't want to use this function.  It exists mainly to be used in Python's test suite.   typestr must be 'double' or 'float'.  This function returns whichever of 'unknown', 'IEEE, big-endian' or 'IEEE, little-endian' best describes the format of floating point numbers used by the C type named by typestr. __getnewargs__(...) __setformat__(...) from builtins.type float.__setformat__(typestr, fmt) -> None   You probably don't want to use this function.  It exists mainly to be used in Python's test suite.   typestr must be 'double' or 'float'.  fmt must be one of 'unknown', 'IEEE, big-endian' or 'IEEE, little-endian', and in addition can only be one of the latter two if it appears to match the underlying C reality.   Override the automatic determination of C-level floating point type. This affects how floats are converted to and from binary strings. __trunc__(...) Return the Integral closest to x between 0 and x. as_integer_ratio(...) float.as_integer_ratio() -> (int, int)   Return a pair of integers, whose ratio is exactly equal to the original float and with a positive denominator. Raise OverflowError on infinities and a ValueError on NaNs.   >>> (10.0).as_integer_ratio() (10, 1) >>> (0.0).as_integer_ratio() (0, 1) >>> (-.25).as_integer_ratio() (-1, 4) fromhex(...) from builtins.type float.fromhex(string) -> float   Create a floating-point number from a hexadecimal string. >>> float.fromhex('0x1.ffffp10') 2047.984375 >>> float.fromhex('-0x1p-1074') -5e-324 hex(...) float.hex() -> string   Return a hexadecimal representation of a floating-point number. >>> (-0.1).hex() '-0x1.999999999999ap-4' >>> 3.14159.hex() '0x1.921f9f01b866ep+1' is_integer(...) Return True if the float is an integer.   class dtype(builtins.object)     dtype(obj, align=False, copy=False)   Create a data type object.   A numpy array is homogeneous, and contains elements described by a dtype object. A dtype object can be constructed from different combinations of fundamental numeric types.   Parameters ---------- obj     Object to be converted to a data type object. align : bool, optional     Add padding to the fields to match what a C compiler would output     for a similar C-struct. Can be ``True`` only if `obj` is a dictionary     or a comma-separated string. If a struct dtype is being created,     this also sets a sticky alignment flag ``isalignedstruct``. copy : bool, optional     Make a new copy of the data-type object. If ``False``, the result     may just be a reference to a built-in data-type object.   See also -------- result_type   Examples -------- Using array-scalar type:   >>> np.dtype(np.int16) dtype('int16')   Structured type, one field name 'f1', containing int16:   >>> np.dtype([('f1', np.int16)]) dtype([('f1', '<i2')])   Structured type, one field named 'f1', in itself containing a structured type with one field:   >>> np.dtype([('f1', [('f1', np.int16)])]) dtype([('f1', [('f1', '<i2')])])   Structured type, two fields: the first field contains an unsigned int, the second an int32:   >>> np.dtype([('f1', np.uint), ('f2', np.int32)]) dtype([('f1', '<u4'), ('f2', '<i4')])   Using array-protocol type strings:   >>> np.dtype([('a','f8'),('b','S10')]) dtype([('a', '<f8'), ('b', '|S10')])   Using comma-separated field formats.  The shape is (2,3):   >>> np.dtype("i4, (2,3)f8") dtype([('f0', '<i4'), ('f1', '<f8', (2, 3))])   Using tuples.  ``int`` is a fixed type, 3 the field's shape.  ``void`` is a flexible type, here of size 10:   >>> np.dtype([('hello',(int,3)),('world',np.void,10)]) dtype([('hello', '<i4', 3), ('world', '|V10')])   Subdivide ``int16`` into 2 ``int8``'s, called x and y.  0 and 1 are the offsets in bytes:   >>> np.dtype((np.int16, {'x':(np.int8,0), 'y':(np.int8,1)})) dtype(('<i2', [('x', '|i1'), ('y', '|i1')]))   Using dictionaries.  Two fields named 'gender' and 'age':   >>> np.dtype({'names':['gender','age'], 'formats':['S1',np.uint8]}) dtype([('gender', '|S1'), ('age', '|u1')])   Offsets in bytes, here 0 and 25:   >>> np.dtype({'surname':('S25',0),'age':(np.uint8,25)}) dtype([('surname', '|S25'), ('age', '|u1')])     Methods defined here: __bool__(self, /) self != 0 __eq__(self, value, /) Return self==value. __ge__(self, value, /) Return self>=value. __getitem__(self, key, /) Return self[key]. __gt__(self, value, /) Return self>value. __hash__(self, /) Return hash(self). __le__(self, value, /) Return self<=value. __len__(self, /) Return len(self). __lt__(self, value, /) Return self<value. __mul__(self, value, /) Return self*value.n __ne__(self, value, /) Return self!=value. __new__(*args, **kwargs) from builtins.type Create and return a new object.  See help(type) for accurate signature. __reduce__(...) helper for pickle __repr__(self, /) Return repr(self). __rmul__(self, value, /) Return self*value. __setstate__(...) __str__(self, /) Return str(self). newbyteorder(...) newbyteorder(new_order='S')   Return a new dtype with a different byte order.   Changes are also made in all fields and sub-arrays of the data type.   Parameters ---------- new_order : string, optional     Byte order to force; a value from the byte order specifications     below.  The default value ('S') results in swapping the current     byte order.  `new_order` codes can be any of:       * 'S' - swap dtype from current to opposite endian     * {'<', 'L'} - little endian     * {'>', 'B'} - big endian     * {'=', 'N'} - native order     * {'|', 'I'} - ignore (no change to byte order)       The code does a case-insensitive check on the first letter of     `new_order` for these alternatives.  For example, any of '>'     or 'B' or 'b' or 'brian' are valid to specify big-endian.   Returns ------- new_dtype : dtype     New dtype object with the given change to the byte order.   Notes ----- Changes are also made in all fields and sub-arrays of the data type.   Examples -------- >>> import sys >>> sys_is_le = sys.byteorder == 'little' >>> native_code = sys_is_le and '<' or '>' >>> swapped_code = sys_is_le and '>' or '<' >>> native_dt = np.dtype(native_code+'i2') >>> swapped_dt = np.dtype(swapped_code+'i2') >>> native_dt.newbyteorder('S') == swapped_dt True >>> native_dt.newbyteorder() == swapped_dt True >>> native_dt == swapped_dt.newbyteorder('S') True >>> native_dt == swapped_dt.newbyteorder('=') True >>> native_dt == swapped_dt.newbyteorder('N') True >>> native_dt == native_dt.newbyteorder('|') True >>> np.dtype('<i2') == native_dt.newbyteorder('<') True >>> np.dtype('<i2') == native_dt.newbyteorder('L') True >>> np.dtype('>i2') == native_dt.newbyteorder('>') True >>> np.dtype('>i2') == native_dt.newbyteorder('B') True Data descriptors defined here: alignment The required alignment (bytes) of this data-type according to the compiler.   More information is available in the C-API section of the manual. base byteorder A character indicating the byte-order of this data-type object.   One of:   ===  ============== '='  native '<'  little-endian '>'  big-endian '|'  not applicable ===  ==============   All built-in data-type objects have byteorder either '=' or '|'.   Examples --------   >>> dt = np.dtype('i2') >>> dt.byteorder '=' >>> # endian is not relevant for 8 bit numbers >>> np.dtype('i1').byteorder '|' >>> # or ASCII strings >>> np.dtype('S2').byteorder '|' >>> # Even if specific code is given, and it is native >>> # '=' is the byteorder >>> import sys >>> sys_is_le = sys.byteorder == 'little' >>> native_code = sys_is_le and '<' or '>' >>> swapped_code = sys_is_le and '>' or '<' >>> dt = np.dtype(native_code + 'i2') >>> dt.byteorder '=' >>> # Swapped code shows up as itself >>> dt = np.dtype(swapped_code + 'i2') >>> dt.byteorder == swapped_code True char A unique character code for each of the 21 different built-in types. descr PEP3118 interface description of the data-type.   The format is that required by the 'descr' key in the PEP3118 `__array_interface__` attribute.   Warning: This attribute exists specifically for PEP3118 compliance, and is not a datatype description compatible with `np.dtype`. fields Dictionary of named fields defined for this data type, or ``None``.   The dictionary is indexed by keys that are the names of the fields. Each entry in the dictionary is a tuple fully describing the field::     (dtype, offset[, title])   If present, the optional title can be any object (if it is a string or unicode then it will also be a key in the fields dictionary, otherwise it's meta-data). Notice also that the first two elements of the tuple can be passed directly as arguments to the ``ndarray.getfield`` and ``ndarray.setfield`` methods.   See Also -------- ndarray.getfield, ndarray.setfield   Examples -------- >>> dt = np.dtype([('name', np.str_, 16), ('grades', np.float64, (2,))]) >>> print(dt.fields) {'grades': (dtype(('float64',(2,))), 16), 'name': (dtype('|S16'), 0)} flags Bit-flags describing how this data type is to be interpreted.   Bit-masks are in `numpy.core.multiarray` as the constants `ITEM_HASOBJECT`, `LIST_PICKLE`, `ITEM_IS_POINTER`, `NEEDS_INIT`, `NEEDS_PYAPI`, `USE_GETITEM`, `USE_SETITEM`. A full explanation of these flags is in C-API documentation; they are largely useful for user-defined data-types. hasobject Boolean indicating whether this dtype contains any reference-counted objects in any fields or sub-dtypes.   Recall that what is actually in the ndarray memory representing the Python object is the memory address of that object (a pointer). Special handling may be required, and this attribute is useful for distinguishing data types that may contain arbitrary Python objects and data-types that won't. isalignedstruct Boolean indicating whether the dtype is a struct which maintains field alignment. This flag is sticky, so when combining multiple structs together, it is preserved and produces new dtypes which are also aligned. isbuiltin Integer indicating how this dtype relates to the built-in dtypes.   Read-only.   =  ======================================================================== 0  if this is a structured array type, with fields 1  if this is a dtype compiled into numpy (such as ints, floats etc) 2  if the dtype is for a user-defined numpy type    A user-defined type uses the numpy C-API machinery to extend    numpy to handle a new array type. See    :ref:`user.user-defined-data-types` in the NumPy manual. =  ========================================================================   Examples -------- >>> dt = np.dtype('i2') >>> dt.isbuiltin 1 >>> dt = np.dtype('f8') >>> dt.isbuiltin 1 >>> dt = np.dtype([('field1', 'f8')]) >>> dt.isbuiltin 0 isnative Boolean indicating whether the byte order of this dtype is native to the platform. itemsize The element size of this data-type object.   For 18 of the 21 types this number is fixed by the data-type. For the flexible data-types, this number can be anything. kind A character code (one of 'biufcmMOSUV') identifying the general kind of data.   =  ====================== b  boolean i  signed integer u  unsigned integer f  floating-point c  complex floating-point m  timedelta M  datetime O  object S  (byte-)string U  Unicode V  void =  ====================== metadata name A bit-width name for this data-type.   Un-sized flexible data-type objects do not have this attribute. names Ordered list of field names, or ``None`` if there are no fields.   The names are ordered according to increasing byte offset. This can be used, for example, to walk through all of the named fields in offset order.   Examples -------- >>> dt = np.dtype([('name', np.str_, 16), ('grades', np.float64, (2,))]) >>> dt.names ('name', 'grades') ndim Number of dimensions of the sub-array if this data type describes a sub-array, and ``0`` otherwise.   .. versionadded:: 1.13.0 num A unique number for each of the 21 different built-in types.   These are roughly ordered from least-to-most precision. shape Shape tuple of the sub-array if this data type describes a sub-array, and ``()`` otherwise. str The array-protocol typestring of this data-type object. subdtype Tuple ``(item_dtype, shape)`` if this `dtype` describes a sub-array, and None otherwise.   The *shape* is the fixed shape of the sub-array described by this data type, and *item_dtype* the data type of the array.   If a field whose dtype object has this attribute is retrieved, then the extra dimensions implied by *shape* are tacked on to the end of the retrieved array. type The type object used to instantiate a scalar of this data-type.   class errstate(builtins.object)     errstate(**kwargs)   Context manager for floating-point error handling.   Using an instance of `errstate` as a context manager allows statements in that context to execute with a known error handling behavior. Upon entering the context the error handling is set with `seterr` and `seterrcall`, and upon exiting it is reset to what it was before.   Parameters ---------- kwargs : {divide, over, under, invalid}     Keyword arguments. The valid keywords are the possible floating-point     exceptions. Each keyword should have a string value that defines the     treatment for the particular error. Possible values are     {'ignore', 'warn', 'raise', 'call', 'print', 'log'}.   See Also -------- seterr, geterr, seterrcall, geterrcall   Notes ----- The ``with`` statement was introduced in Python 2.5, and can only be used there by importing it: ``from __future__ import with_statement``. In earlier Python versions the ``with`` statement is not available.   For complete documentation of the types of floating-point exceptions and treatment options, see `seterr`.   Examples -------- >>> from __future__ import with_statement  # use 'with' in Python 2.5 >>> olderr = np.seterr(all='ignore')  # Set error handling to known state.   >>> np.arange(3) / 0. array([ NaN,  Inf,  Inf]) >>> with np.errstate(divide='warn'): ...     np.arange(3) / 0. ... __main__:2: RuntimeWarning: divide by zero encountered in divide array([ NaN,  Inf,  Inf])   >>> np.sqrt(-1) nan >>> with np.errstate(invalid='raise'): ...     np.sqrt(-1) Traceback (most recent call last):   File "<stdin>", line 2, in <module> FloatingPointError: invalid value encountered in sqrt   Outside the context the error handling behavior has not changed:   >>> np.geterr() {'over': 'warn', 'divide': 'warn', 'invalid': 'warn', 'under': 'ignore'}     Methods defined here: __enter__(self) __exit__(self, *exc_info) __init__(self, **kwargs) Initialize self.  See help(type(self)) for accurate signature. Data descriptors defined here: __dict__ dictionary for instance variables (if defined) __weakref__ list of weak references to the object (if defined)   class finfo(builtins.object)     finfo(dtype)   Machine limits for floating point types.   Attributes ---------- bits : int     The number of bits occupied by the type. eps : float     The smallest representable positive number such that     ``1.0 + eps != 1.0``.  Type of `eps` is an appropriate floating     point type. epsneg : floating point number of the appropriate type     The smallest representable positive number such that     ``1.0 - epsneg != 1.0``. iexp : int     The number of bits in the exponent portion of the floating point     representation. machar : MachAr     The object which calculated these parameters and holds more     detailed information. machep : int     The exponent that yields `eps`. max : floating point number of the appropriate type     The largest representable number. maxexp : int     The smallest positive power of the base (2) that causes overflow. min : floating point number of the appropriate type     The smallest representable number, typically ``-max``. minexp : int     The most negative power of the base (2) consistent with there     being no leading 0's in the mantissa. negep : int     The exponent that yields `epsneg`. nexp : int     The number of bits in the exponent including its sign and bias. nmant : int     The number of bits in the mantissa. precision : int     The approximate number of decimal digits to which this kind of     float is precise. resolution : floating point number of the appropriate type     The approximate decimal resolution of this type, i.e.,     ``10**-precision``. tiny : float     The smallest positive usable number.  Type of `tiny` is an     appropriate floating point type.   Parameters ---------- dtype : float, dtype, or instance     Kind of floating point data-type about which to get information.   See Also -------- MachAr : The implementation of the tests that produce this information. iinfo : The equivalent for integer data types.   Notes ----- For developers of NumPy: do not instantiate this at the module level. The initial calculation of these parameters is expensive and negatively impacts import times.  These objects are cached, so calling ``finfo()`` repeatedly inside your functions is not a problem.     Methods defined here: __repr__(self) Return repr(self). __str__(self) Return str(self). Static methods defined here: __new__(cls, dtype) Create and return a new object.  See help(type) for accurate signature. Data descriptors defined here: __dict__ dictionary for instance variables (if defined) __weakref__ list of weak references to the object (if defined)   class flatiter(builtins.object)     Flat iterator object to iterate over arrays.   A `flatiter` iterator is returned by ``x.flat`` for any array `x`. It allows iterating over the array as if it were a 1-D array, either in a for-loop or by calling its `next` method.   Iteration is done in row-major, C-style order (the last index varying the fastest). The iterator can also be indexed using basic slicing or advanced indexing.   See Also -------- ndarray.flat : Return a flat iterator over an array. ndarray.flatten : Returns a flattened copy of an array.   Notes ----- A `flatiter` iterator can not be constructed directly from Python code by calling the `flatiter` constructor.   Examples -------- >>> x = np.arange(6).reshape(2, 3) >>> fl = x.flat >>> type(fl) <type 'numpy.flatiter'> >>> for item in fl: ...     print(item) ... 0 1 2 3 4 5   >>> fl[2:4] array([2, 3])     Methods defined here: __array__(...) __array__(type=None) Get array from iterator __delitem__(self, key, /) Delete self[key]. __eq__(self, value, /) Return self==value. __ge__(self, value, /) Return self>=value. __getitem__(self, key, /) Return self[key]. __gt__(self, value, /) Return self>value. __iter__(self, /) Implement iter(self). __le__(self, value, /) Return self<=value. __len__(self, /) Return len(self). __lt__(self, value, /) Return self<value. __ne__(self, value, /) Return self!=value. __next__(self, /) Implement next(self). __setitem__(self, key, value, /) Set self[key] to value. copy(...) copy()   Get a copy of the iterator as a 1-D array.   Examples -------- >>> x = np.arange(6).reshape(2, 3) >>> x array([[0, 1, 2],        [3, 4, 5]]) >>> fl = x.flat >>> fl.copy() array([0, 1, 2, 3, 4, 5]) Data descriptors defined here: base A reference to the array that is iterated over.   Examples -------- >>> x = np.arange(5) >>> fl = x.flat >>> fl.base is x True coords An N-dimensional tuple of current coordinates.   Examples -------- >>> x = np.arange(6).reshape(2, 3) >>> fl = x.flat >>> fl.coords (0, 0) >>> fl.next() 0 >>> fl.coords (0, 1) index Current flat index into the array.   Examples -------- >>> x = np.arange(6).reshape(2, 3) >>> fl = x.flat >>> fl.index 0 >>> fl.next() 0 >>> fl.index 1 Data and other attributes defined here: __hash__ = None   class flexible(generic)     Base class for numpy scalar types.   Class from which most (all?) numpy scalar types are derived.  For consistency, exposes the same API as `ndarray`, despite many consequent attributes being either "get-only," or completely irrelevant. This is the class from which it is strongly suggested users should derive custom scalar types.     Method resolution order: flexible generic builtins.object Methods inherited from generic: __abs__(self, /) abs(self) __add__(self, value, /) Return self+value. __and__(self, value, /) Return self&value. __array__(...) sc.__array__(dtype) return 0-dim array from scalar with specified dtype __array_wrap__(...) sc.__array_wrap__(obj) return scalar from array __bool__(self, /) self != 0 __copy__(...) __deepcopy__(...) __divmod__(self, value, /) Return divmod(self, value). __eq__(self, value, /) Return self==value. __float__(self, /) float(self) __floordiv__(self, value, /) Return self//value. __format__(...) NumPy array scalar formatter __ge__(self, value, /) Return self>=value. __getitem__(self, key, /) Return self[key]. __gt__(self, value, /) Return self>value. __int__(self, /) int(self) __invert__(self, /) ~self __le__(self, value, /) Return self<=value. __lshift__(self, value, /) Return self<<value. __lt__(self, value, /) Return self<value. __mod__(self, value, /) Return self%value. __mul__(self, value, /) Return self*value. __ne__(self, value, /) Return self!=value. __neg__(self, /) -self __or__(self, value, /) Return self|value. __pos__(self, /) +self __pow__(self, value, mod=None, /) Return pow(self, value, mod). __radd__(self, value, /) Return value+self. __rand__(self, value, /) Return value&self. __rdivmod__(self, value, /) Return divmod(value, self). __reduce__(...) helper for pickle __rfloordiv__(self, value, /) Return value//self. __rlshift__(self, value, /) Return value<<self. __rmod__(self, value, /) Return value%self. __rmul__(self, value, /) Return value*self. __ror__(self, value, /) Return value|self. __round__(...) __rpow__(self, value, mod=None, /) Return pow(value, self, mod). __rrshift__(self, value, /) Return value>>self. __rshift__(self, value, /) Return self>>value. __rsub__(self, value, /) Return value-self. __rtruediv__(self, value, /) Return value/self. __rxor__(self, value, /) Return value^self. __setstate__(...) __sizeof__(...) __sizeof__() -> int size of object in memory, in bytes __sub__(self, value, /) Return self-value. __truediv__(self, value, /) Return self/value. __xor__(self, value, /) Return self^value. all(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. any(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmax(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmin(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argsort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. astype(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. byteswap(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. choose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. clip(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. compress(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. conj(...) conjugate(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. copy(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumprod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumsum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. diagonal(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dump(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dumps(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. fill(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. flatten(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. getfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. item(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. itemset(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. max(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. mean(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. min(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. newbyteorder(...) newbyteorder(new_order='S')   Return a new `dtype` with a different byte order.   Changes are also made in all fields and sub-arrays of the data type.   The `new_order` code can be any from the following:   * 'S' - swap dtype from current to opposite endian * {'<', 'L'} - little endian * {'>', 'B'} - big endian * {'=', 'N'} - native order * {'|', 'I'} - ignore (no change to byte order)   Parameters ---------- new_order : str, optional     Byte order to force; a value from the byte order specifications     above.  The default value ('S') results in swapping the current     byte order. The code does a case-insensitive check on the first     letter of `new_order` for the alternatives above.  For example,     any of 'B' or 'b' or 'biggish' are valid to specify big-endian.     Returns ------- new_dtype : dtype     New `dtype` object with the given change to the byte order. nonzero(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. prod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ptp(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. put(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ravel(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. repeat(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. reshape(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. resize(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. round(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. searchsorted(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setflags(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. squeeze(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. std(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. swapaxes(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. take(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tobytes(...) tofile(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tolist(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tostring(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. trace(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. transpose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. var(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. view(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. Data descriptors inherited from generic: T transpose __array_interface__ Array protocol: Python side __array_priority__ Array priority. __array_struct__ Array protocol: struct base base object data pointer to start of data dtype get array data-descriptor flags integer value of flags flat a 1-d view of scalar imag imaginary part of scalar itemsize length of one element in bytes nbytes length of item in bytes ndim number of array dimensions real real part of scalar shape tuple of array dimensions size number of elements in the gentype strides tuple of bytes steps in each dimension Data and other attributes inherited from generic: __hash__ = None   class float16(floating)     Base class for numpy scalar types.   Class from which most (all?) numpy scalar types are derived.  For consistency, exposes the same API as `ndarray`, despite many consequent attributes being either "get-only," or completely irrelevant. This is the class from which it is strongly suggested users should derive custom scalar types.     Method resolution order: float16 floating inexact number generic builtins.object Methods defined here: __abs__(self, /) abs(self) __add__(self, value, /) Return self+value. __and__(self, value, /) Return self&value. __bool__(self, /) self != 0 __divmod__(self, value, /) Return divmod(self, value). __eq__(self, value, /) Return self==value. __float__(self, /) float(self) __floordiv__(self, value, /) Return self//value. __ge__(self, value, /) Return self>=value. __gt__(self, value, /) Return self>value. __hash__(self, /) Return hash(self). __int__(self, /) int(self) __invert__(self, /) ~self __le__(self, value, /) Return self<=value. __lshift__(self, value, /) Return self<<value. __lt__(self, value, /) Return self<value. __mod__(self, value, /) Return self%value. __mul__(self, value, /) Return self*value. __ne__(self, value, /) Return self!=value. __neg__(self, /) -self __new__(*args, **kwargs) from builtins.type Create and return a new object.  See help(type) for accurate signature. __or__(self, value, /) Return self|value. __pos__(self, /) +self __pow__(self, value, mod=None, /) Return pow(self, value, mod). __radd__(self, value, /) Return value+self. __rand__(self, value, /) Return value&self. __rdivmod__(self, value, /) Return divmod(value, self). __repr__(self, /) Return repr(self). __rfloordiv__(self, value, /) Return value//self. __rlshift__(self, value, /) Return value<<self. __rmod__(self, value, /) Return value%self. __rmul__(self, value, /) Return value*self. __ror__(self, value, /) Return value|self. __rpow__(self, value, mod=None, /) Return pow(value, self, mod). __rrshift__(self, value, /) Return value>>self. __rshift__(self, value, /) Return self>>value. __rsub__(self, value, /) Return value-self. __rtruediv__(self, value, /) Return value/self. __rxor__(self, value, /) Return value^self. __str__(self, /) Return str(self). __sub__(self, value, /) Return self-value. __truediv__(self, value, /) Return self/value. __xor__(self, value, /) Return self^value. Methods inherited from generic: __array__(...) sc.__array__(dtype) return 0-dim array from scalar with specified dtype __array_wrap__(...) sc.__array_wrap__(obj) return scalar from array __copy__(...) __deepcopy__(...) __format__(...) NumPy array scalar formatter __getitem__(self, key, /) Return self[key]. __reduce__(...) helper for pickle __round__(...) __setstate__(...) __sizeof__(...) __sizeof__() -> int size of object in memory, in bytes all(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. any(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmax(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmin(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argsort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. astype(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. byteswap(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. choose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. clip(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. compress(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. conj(...) conjugate(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. copy(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumprod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumsum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. diagonal(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dump(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dumps(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. fill(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. flatten(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. getfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. item(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. itemset(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. max(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. mean(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. min(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. newbyteorder(...) newbyteorder(new_order='S')   Return a new `dtype` with a different byte order.   Changes are also made in all fields and sub-arrays of the data type.   The `new_order` code can be any from the following:   * 'S' - swap dtype from current to opposite endian * {'<', 'L'} - little endian * {'>', 'B'} - big endian * {'=', 'N'} - native order * {'|', 'I'} - ignore (no change to byte order)   Parameters ---------- new_order : str, optional     Byte order to force; a value from the byte order specifications     above.  The default value ('S') results in swapping the current     byte order. The code does a case-insensitive check on the first     letter of `new_order` for the alternatives above.  For example,     any of 'B' or 'b' or 'biggish' are valid to specify big-endian.     Returns ------- new_dtype : dtype     New `dtype` object with the given change to the byte order. nonzero(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. prod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ptp(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. put(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ravel(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. repeat(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. reshape(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. resize(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. round(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. searchsorted(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setflags(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. squeeze(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. std(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. swapaxes(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. take(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tobytes(...) tofile(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tolist(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tostring(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. trace(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. transpose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. var(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. view(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. Data descriptors inherited from generic: T transpose __array_interface__ Array protocol: Python side __array_priority__ Array priority. __array_struct__ Array protocol: struct base base object data pointer to start of data dtype get array data-descriptor flags integer value of flags flat a 1-d view of scalar imag imaginary part of scalar itemsize length of one element in bytes nbytes length of item in bytes ndim number of array dimensions real real part of scalar shape tuple of array dimensions size number of elements in the gentype strides tuple of bytes steps in each dimension   class float32(floating)     32-bit floating-point number. Character code 'f'. C float compatible.     Method resolution order: float32 floating inexact number generic builtins.object Methods defined here: __abs__(self, /) abs(self) __add__(self, value, /) Return self+value. __and__(self, value, /) Return self&value. __bool__(self, /) self != 0 __divmod__(self, value, /) Return divmod(self, value). __eq__(self, value, /) Return self==value. __float__(self, /) float(self) __floordiv__(self, value, /) Return self//value. __ge__(self, value, /) Return self>=value. __gt__(self, value, /) Return self>value. __hash__(self, /) Return hash(self). __int__(self, /) int(self) __invert__(self, /) ~self __le__(self, value, /) Return self<=value. __lshift__(self, value, /) Return self<<value. __lt__(self, value, /) Return self<value. __mod__(self, value, /) Return self%value. __mul__(self, value, /) Return self*value. __ne__(self, value, /) Return self!=value. __neg__(self, /) -self __new__(*args, **kwargs) from builtins.type Create and return a new object.  See help(type) for accurate signature. __or__(self, value, /) Return self|value. __pos__(self, /) +self __pow__(self, value, mod=None, /) Return pow(self, value, mod). __radd__(self, value, /) Return value+self. __rand__(self, value, /) Return value&self. __rdivmod__(self, value, /) Return divmod(value, self). __repr__(self, /) Return repr(self). __rfloordiv__(self, value, /) Return value//self. __rlshift__(self, value, /) Return value<<self. __rmod__(self, value, /) Return value%self. __rmul__(self, value, /) Return value*self. __ror__(self, value, /) Return value|self. __rpow__(self, value, mod=None, /) Return pow(value, self, mod). __rrshift__(self, value, /) Return value>>self. __rshift__(self, value, /) Return self>>value. __rsub__(self, value, /) Return value-self. __rtruediv__(self, value, /) Return value/self. __rxor__(self, value, /) Return value^self. __str__(self, /) Return str(self). __sub__(self, value, /) Return self-value. __truediv__(self, value, /) Return self/value. __xor__(self, value, /) Return self^value. Methods inherited from generic: __array__(...) sc.__array__(dtype) return 0-dim array from scalar with specified dtype __array_wrap__(...) sc.__array_wrap__(obj) return scalar from array __copy__(...) __deepcopy__(...) __format__(...) NumPy array scalar formatter __getitem__(self, key, /) Return self[key]. __reduce__(...) helper for pickle __round__(...) __setstate__(...) __sizeof__(...) __sizeof__() -> int size of object in memory, in bytes all(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. any(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmax(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmin(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argsort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. astype(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. byteswap(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. choose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. clip(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. compress(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. conj(...) conjugate(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. copy(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumprod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumsum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. diagonal(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dump(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dumps(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. fill(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. flatten(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. getfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. item(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. itemset(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. max(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. mean(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. min(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. newbyteorder(...) newbyteorder(new_order='S')   Return a new `dtype` with a different byte order.   Changes are also made in all fields and sub-arrays of the data type.   The `new_order` code can be any from the following:   * 'S' - swap dtype from current to opposite endian * {'<', 'L'} - little endian * {'>', 'B'} - big endian * {'=', 'N'} - native order * {'|', 'I'} - ignore (no change to byte order)   Parameters ---------- new_order : str, optional     Byte order to force; a value from the byte order specifications     above.  The default value ('S') results in swapping the current     byte order. The code does a case-insensitive check on the first     letter of `new_order` for the alternatives above.  For example,     any of 'B' or 'b' or 'biggish' are valid to specify big-endian.     Returns ------- new_dtype : dtype     New `dtype` object with the given change to the byte order. nonzero(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. prod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ptp(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. put(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ravel(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. repeat(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. reshape(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. resize(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. round(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. searchsorted(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setflags(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. squeeze(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. std(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. swapaxes(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. take(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tobytes(...) tofile(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tolist(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tostring(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. trace(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. transpose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. var(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. view(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. Data descriptors inherited from generic: T transpose __array_interface__ Array protocol: Python side __array_priority__ Array priority. __array_struct__ Array protocol: struct base base object data pointer to start of data dtype get array data-descriptor flags integer value of flags flat a 1-d view of scalar imag imaginary part of scalar itemsize length of one element in bytes nbytes length of item in bytes ndim number of array dimensions real real part of scalar shape tuple of array dimensions size number of elements in the gentype strides tuple of bytes steps in each dimension   class float64(floating, builtins.float)     64-bit floating-point number. Character code 'd'. Python float compatible.     Method resolution order: float64 floating inexact number generic builtins.float builtins.object Methods defined here: __abs__(self, /) abs(self) __add__(self, value, /) Return self+value. __and__(self, value, /) Return self&value. __bool__(self, /) self != 0 __divmod__(self, value, /) Return divmod(self, value). __eq__(self, value, /) Return self==value. __float__(self, /) float(self) __floordiv__(self, value, /) Return self//value. __ge__(self, value, /) Return self>=value. __gt__(self, value, /) Return self>value. __hash__(self, /) Return hash(self). __int__(self, /) int(self) __invert__(self, /) ~self __le__(self, value, /) Return self<=value. __lshift__(self, value, /) Return self<<value. __lt__(self, value, /) Return self<value. __mod__(self, value, /) Return self%value. __mul__(self, value, /) Return self*value. __ne__(self, value, /) Return self!=value. __neg__(self, /) -self __new__(*args, **kwargs) from builtins.type Create and return a new object.  See help(type) for accurate signature. __or__(self, value, /) Return self|value. __pos__(self, /) +self __pow__(self, value, mod=None, /) Return pow(self, value, mod). __radd__(self, value, /) Return value+self. __rand__(self, value, /) Return value&self. __rdivmod__(self, value, /) Return divmod(value, self). __repr__(self, /) Return repr(self). __rfloordiv__(self, value, /) Return value//self. __rlshift__(self, value, /) Return value<<self. __rmod__(self, value, /) Return value%self. __rmul__(self, value, /) Return value*self. __ror__(self, value, /) Return value|self. __rpow__(self, value, mod=None, /) Return pow(value, self, mod). __rrshift__(self, value, /) Return value>>self. __rshift__(self, value, /) Return self>>value. __rsub__(self, value, /) Return value-self. __rtruediv__(self, value, /) Return value/self. __rxor__(self, value, /) Return value^self. __str__(self, /) Return str(self). __sub__(self, value, /) Return self-value. __truediv__(self, value, /) Return self/value. __xor__(self, value, /) Return self^value. Methods inherited from generic: __array__(...) sc.__array__(dtype) return 0-dim array from scalar with specified dtype __array_wrap__(...) sc.__array_wrap__(obj) return scalar from array __copy__(...) __deepcopy__(...) __format__(...) NumPy array scalar formatter __getitem__(self, key, /) Return self[key]. __reduce__(...) helper for pickle __round__(...) __setstate__(...) __sizeof__(...) __sizeof__() -> int size of object in memory, in bytes all(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. any(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmax(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmin(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argsort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. astype(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. byteswap(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. choose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. clip(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. compress(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. conj(...) conjugate(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. copy(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumprod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumsum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. diagonal(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dump(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dumps(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. fill(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. flatten(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. getfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. item(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. itemset(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. max(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. mean(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. min(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. newbyteorder(...) newbyteorder(new_order='S')   Return a new `dtype` with a different byte order.   Changes are also made in all fields and sub-arrays of the data type.   The `new_order` code can be any from the following:   * 'S' - swap dtype from current to opposite endian * {'<', 'L'} - little endian * {'>', 'B'} - big endian * {'=', 'N'} - native order * {'|', 'I'} - ignore (no change to byte order)   Parameters ---------- new_order : str, optional     Byte order to force; a value from the byte order specifications     above.  The default value ('S') results in swapping the current     byte order. The code does a case-insensitive check on the first     letter of `new_order` for the alternatives above.  For example,     any of 'B' or 'b' or 'biggish' are valid to specify big-endian.     Returns ------- new_dtype : dtype     New `dtype` object with the given change to the byte order. nonzero(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. prod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ptp(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. put(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ravel(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. repeat(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. reshape(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. resize(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. round(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. searchsorted(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setflags(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. squeeze(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. std(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. swapaxes(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. take(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tobytes(...) tofile(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tolist(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tostring(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. trace(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. transpose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. var(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. view(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. Data descriptors inherited from generic: T transpose __array_interface__ Array protocol: Python side __array_priority__ Array priority. __array_struct__ Array protocol: struct base base object data pointer to start of data dtype get array data-descriptor flags integer value of flags flat a 1-d view of scalar imag imaginary part of scalar itemsize length of one element in bytes nbytes length of item in bytes ndim number of array dimensions real real part of scalar shape tuple of array dimensions size number of elements in the gentype strides tuple of bytes steps in each dimension Methods inherited from builtins.float: __getattribute__(self, name, /) Return getattr(self, name). __getformat__(...) from builtins.type float.__getformat__(typestr) -> string   You probably don't want to use this function.  It exists mainly to be used in Python's test suite.   typestr must be 'double' or 'float'.  This function returns whichever of 'unknown', 'IEEE, big-endian' or 'IEEE, little-endian' best describes the format of floating point numbers used by the C type named by typestr. __getnewargs__(...) __setformat__(...) from builtins.type float.__setformat__(typestr, fmt) -> None   You probably don't want to use this function.  It exists mainly to be used in Python's test suite.   typestr must be 'double' or 'float'.  fmt must be one of 'unknown', 'IEEE, big-endian' or 'IEEE, little-endian', and in addition can only be one of the latter two if it appears to match the underlying C reality.   Override the automatic determination of C-level floating point type. This affects how floats are converted to and from binary strings. __trunc__(...) Return the Integral closest to x between 0 and x. as_integer_ratio(...) float.as_integer_ratio() -> (int, int)   Return a pair of integers, whose ratio is exactly equal to the original float and with a positive denominator. Raise OverflowError on infinities and a ValueError on NaNs.   >>> (10.0).as_integer_ratio() (10, 1) >>> (0.0).as_integer_ratio() (0, 1) >>> (-.25).as_integer_ratio() (-1, 4) fromhex(...) from builtins.type float.fromhex(string) -> float   Create a floating-point number from a hexadecimal string. >>> float.fromhex('0x1.ffffp10') 2047.984375 >>> float.fromhex('-0x1p-1074') -5e-324 hex(...) float.hex() -> string   Return a hexadecimal representation of a floating-point number. >>> (-0.1).hex() '-0x1.999999999999ap-4' >>> 3.14159.hex() '0x1.921f9f01b866ep+1' is_integer(...) Return True if the float is an integer.   float_ = class float64(floating, builtins.float)     64-bit floating-point number. Character code 'd'. Python float compatible.     Method resolution order: float64 floating inexact number generic builtins.float builtins.object Methods defined here: __abs__(self, /) abs(self) __add__(self, value, /) Return self+value. __and__(self, value, /) Return self&value. __bool__(self, /) self != 0 __divmod__(self, value, /) Return divmod(self, value). __eq__(self, value, /) Return self==value. __float__(self, /) float(self) __floordiv__(self, value, /) Return self//value. __ge__(self, value, /) Return self>=value. __gt__(self, value, /) Return self>value. __hash__(self, /) Return hash(self). __int__(self, /) int(self) __invert__(self, /) ~self __le__(self, value, /) Return self<=value. __lshift__(self, value, /) Return self<<value. __lt__(self, value, /) Return self<value. __mod__(self, value, /) Return self%value. __mul__(self, value, /) Return self*value. __ne__(self, value, /) Return self!=value. __neg__(self, /) -self __new__(*args, **kwargs) from builtins.type Create and return a new object.  See help(type) for accurate signature. __or__(self, value, /) Return self|value. __pos__(self, /) +self __pow__(self, value, mod=None, /) Return pow(self, value, mod). __radd__(self, value, /) Return value+self. __rand__(self, value, /) Return value&self. __rdivmod__(self, value, /) Return divmod(value, self). __repr__(self, /) Return repr(self). __rfloordiv__(self, value, /) Return value//self. __rlshift__(self, value, /) Return value<<self. __rmod__(self, value, /) Return value%self. __rmul__(self, value, /) Return value*self. __ror__(self, value, /) Return value|self. __rpow__(self, value, mod=None, /) Return pow(value, self, mod). __rrshift__(self, value, /) Return value>>self. __rshift__(self, value, /) Return self>>value. __rsub__(self, value, /) Return value-self. __rtruediv__(self, value, /) Return value/self. __rxor__(self, value, /) Return value^self. __str__(self, /) Return str(self). __sub__(self, value, /) Return self-value. __truediv__(self, value, /) Return self/value. __xor__(self, value, /) Return self^value. Methods inherited from generic: __array__(...) sc.__array__(dtype) return 0-dim array from scalar with specified dtype __array_wrap__(...) sc.__array_wrap__(obj) return scalar from array __copy__(...) __deepcopy__(...) __format__(...) NumPy array scalar formatter __getitem__(self, key, /) Return self[key]. __reduce__(...) helper for pickle __round__(...) __setstate__(...) __sizeof__(...) __sizeof__() -> int size of object in memory, in bytes all(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. any(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmax(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmin(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argsort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. astype(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. byteswap(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. choose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. clip(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. compress(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. conj(...) conjugate(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. copy(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumprod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumsum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. diagonal(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dump(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dumps(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. fill(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. flatten(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. getfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. item(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. itemset(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. max(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. mean(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. min(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. newbyteorder(...) newbyteorder(new_order='S')   Return a new `dtype` with a different byte order.   Changes are also made in all fields and sub-arrays of the data type.   The `new_order` code can be any from the following:   * 'S' - swap dtype from current to opposite endian * {'<', 'L'} - little endian * {'>', 'B'} - big endian * {'=', 'N'} - native order * {'|', 'I'} - ignore (no change to byte order)   Parameters ---------- new_order : str, optional     Byte order to force; a value from the byte order specifications     above.  The default value ('S') results in swapping the current     byte order. The code does a case-insensitive check on the first     letter of `new_order` for the alternatives above.  For example,     any of 'B' or 'b' or 'biggish' are valid to specify big-endian.     Returns ------- new_dtype : dtype     New `dtype` object with the given change to the byte order. nonzero(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. prod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ptp(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. put(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ravel(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. repeat(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. reshape(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. resize(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. round(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. searchsorted(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setflags(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. squeeze(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. std(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. swapaxes(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. take(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tobytes(...) tofile(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tolist(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tostring(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. trace(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. transpose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. var(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. view(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. Data descriptors inherited from generic: T transpose __array_interface__ Array protocol: Python side __array_priority__ Array priority. __array_struct__ Array protocol: struct base base object data pointer to start of data dtype get array data-descriptor flags integer value of flags flat a 1-d view of scalar imag imaginary part of scalar itemsize length of one element in bytes nbytes length of item in bytes ndim number of array dimensions real real part of scalar shape tuple of array dimensions size number of elements in the gentype strides tuple of bytes steps in each dimension Methods inherited from builtins.float: __getattribute__(self, name, /) Return getattr(self, name). __getformat__(...) from builtins.type float.__getformat__(typestr) -> string   You probably don't want to use this function.  It exists mainly to be used in Python's test suite.   typestr must be 'double' or 'float'.  This function returns whichever of 'unknown', 'IEEE, big-endian' or 'IEEE, little-endian' best describes the format of floating point numbers used by the C type named by typestr. __getnewargs__(...) __setformat__(...) from builtins.type float.__setformat__(typestr, fmt) -> None   You probably don't want to use this function.  It exists mainly to be used in Python's test suite.   typestr must be 'double' or 'float'.  fmt must be one of 'unknown', 'IEEE, big-endian' or 'IEEE, little-endian', and in addition can only be one of the latter two if it appears to match the underlying C reality.   Override the automatic determination of C-level floating point type. This affects how floats are converted to and from binary strings. __trunc__(...) Return the Integral closest to x between 0 and x. as_integer_ratio(...) float.as_integer_ratio() -> (int, int)   Return a pair of integers, whose ratio is exactly equal to the original float and with a positive denominator. Raise OverflowError on infinities and a ValueError on NaNs.   >>> (10.0).as_integer_ratio() (10, 1) >>> (0.0).as_integer_ratio() (0, 1) >>> (-.25).as_integer_ratio() (-1, 4) fromhex(...) from builtins.type float.fromhex(string) -> float   Create a floating-point number from a hexadecimal string. >>> float.fromhex('0x1.ffffp10') 2047.984375 >>> float.fromhex('-0x1p-1074') -5e-324 hex(...) float.hex() -> string   Return a hexadecimal representation of a floating-point number. >>> (-0.1).hex() '-0x1.999999999999ap-4' >>> 3.14159.hex() '0x1.921f9f01b866ep+1' is_integer(...) Return True if the float is an integer.   class floating(inexact)     Base class for numpy scalar types.   Class from which most (all?) numpy scalar types are derived.  For consistency, exposes the same API as `ndarray`, despite many consequent attributes being either "get-only," or completely irrelevant. This is the class from which it is strongly suggested users should derive custom scalar types.     Method resolution order: floating inexact number generic builtins.object Methods inherited from generic: __abs__(self, /) abs(self) __add__(self, value, /) Return self+value. __and__(self, value, /) Return self&value. __array__(...) sc.__array__(dtype) return 0-dim array from scalar with specified dtype __array_wrap__(...) sc.__array_wrap__(obj) return scalar from array __bool__(self, /) self != 0 __copy__(...) __deepcopy__(...) __divmod__(self, value, /) Return divmod(self, value). __eq__(self, value, /) Return self==value. __float__(self, /) float(self) __floordiv__(self, value, /) Return self//value. __format__(...) NumPy array scalar formatter __ge__(self, value, /) Return self>=value. __getitem__(self, key, /) Return self[key]. __gt__(self, value, /) Return self>value. __int__(self, /) int(self) __invert__(self, /) ~self __le__(self, value, /) Return self<=value. __lshift__(self, value, /) Return self<<value. __lt__(self, value, /) Return self<value. __mod__(self, value, /) Return self%value. __mul__(self, value, /) Return self*value. __ne__(self, value, /) Return self!=value. __neg__(self, /) -self __or__(self, value, /) Return self|value. __pos__(self, /) +self __pow__(self, value, mod=None, /) Return pow(self, value, mod). __radd__(self, value, /) Return value+self. __rand__(self, value, /) Return value&self. __rdivmod__(self, value, /) Return divmod(value, self). __reduce__(...) helper for pickle __rfloordiv__(self, value, /) Return value//self. __rlshift__(self, value, /) Return value<<self. __rmod__(self, value, /) Return value%self. __rmul__(self, value, /) Return value*self. __ror__(self, value, /) Return value|self. __round__(...) __rpow__(self, value, mod=None, /) Return pow(value, self, mod). __rrshift__(self, value, /) Return value>>self. __rshift__(self, value, /) Return self>>value. __rsub__(self, value, /) Return value-self. __rtruediv__(self, value, /) Return value/self. __rxor__(self, value, /) Return value^self. __setstate__(...) __sizeof__(...) __sizeof__() -> int size of object in memory, in bytes __sub__(self, value, /) Return self-value. __truediv__(self, value, /) Return self/value. __xor__(self, value, /) Return self^value. all(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. any(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmax(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmin(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argsort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. astype(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. byteswap(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. choose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. clip(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. compress(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. conj(...) conjugate(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. copy(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumprod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumsum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. diagonal(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dump(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dumps(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. fill(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. flatten(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. getfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. item(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. itemset(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. max(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. mean(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. min(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. newbyteorder(...) newbyteorder(new_order='S')   Return a new `dtype` with a different byte order.   Changes are also made in all fields and sub-arrays of the data type.   The `new_order` code can be any from the following:   * 'S' - swap dtype from current to opposite endian * {'<', 'L'} - little endian * {'>', 'B'} - big endian * {'=', 'N'} - native order * {'|', 'I'} - ignore (no change to byte order)   Parameters ---------- new_order : str, optional     Byte order to force; a value from the byte order specifications     above.  The default value ('S') results in swapping the current     byte order. The code does a case-insensitive check on the first     letter of `new_order` for the alternatives above.  For example,     any of 'B' or 'b' or 'biggish' are valid to specify big-endian.     Returns ------- new_dtype : dtype     New `dtype` object with the given change to the byte order. nonzero(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. prod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ptp(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. put(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ravel(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. repeat(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. reshape(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. resize(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. round(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. searchsorted(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setflags(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. squeeze(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. std(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. swapaxes(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. take(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tobytes(...) tofile(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tolist(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tostring(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. trace(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. transpose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. var(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. view(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. Data descriptors inherited from generic: T transpose __array_interface__ Array protocol: Python side __array_priority__ Array priority. __array_struct__ Array protocol: struct base base object data pointer to start of data dtype get array data-descriptor flags integer value of flags flat a 1-d view of scalar imag imaginary part of scalar itemsize length of one element in bytes nbytes length of item in bytes ndim number of array dimensions real real part of scalar shape tuple of array dimensions size number of elements in the gentype strides tuple of bytes steps in each dimension Data and other attributes inherited from generic: __hash__ = None   class format_parser(builtins.object)     Class to convert formats, names, titles description to a dtype.   After constructing the format_parser object, the dtype attribute is the converted data-type: ``dtype = format_parser(formats, names, titles).dtype``   Attributes ---------- dtype : dtype     The converted data-type.   Parameters ---------- formats : str or list of str     The format description, either specified as a string with     comma-separated format descriptions in the form ``'f8, i4, a5'``, or     a list of format description strings  in the form     ``['f8', 'i4', 'a5']``. names : str or list/tuple of str     The field names, either specified as a comma-separated string in the     form ``'col1, col2, col3'``, or as a list or tuple of strings in the     form ``['col1', 'col2', 'col3']``.     An empty list can be used, in that case default field names     ('f0', 'f1', ...) are used. titles : sequence     Sequence of title strings. An empty list can be used to leave titles     out. aligned : bool, optional     If True, align the fields by padding as the C-compiler would.     Default is False. byteorder : str, optional     If specified, all the fields will be changed to the     provided byte-order.  Otherwise, the default byte-order is     used. For all available string specifiers, see `dtype.newbyteorder`.   See Also -------- dtype, typename, sctype2char   Examples -------- >>> np.format_parser(['f8', 'i4', 'a5'], ['col1', 'col2', 'col3'], ...                  ['T1', 'T2', 'T3']).dtype dtype([(('T1', 'col1'), '<f8'), (('T2', 'col2'), '<i4'),        (('T3', 'col3'), '|S5')])   `names` and/or `titles` can be empty lists. If `titles` is an empty list, titles will simply not appear. If `names` is empty, default field names will be used.   >>> np.format_parser(['f8', 'i4', 'a5'], ['col1', 'col2', 'col3'], ...                  []).dtype dtype([('col1', '<f8'), ('col2', '<i4'), ('col3', '|S5')]) >>> np.format_parser(['f8', 'i4', 'a5'], [], []).dtype dtype([('f0', '<f8'), ('f1', '<i4'), ('f2', '|S5')])     Methods defined here: __init__(self, formats, names, titles, aligned=False, byteorder=None) Initialize self.  See help(type(self)) for accurate signature. Data descriptors defined here: __dict__ dictionary for instance variables (if defined) __weakref__ list of weak references to the object (if defined)   class generic(builtins.object)     Base class for numpy scalar types.   Class from which most (all?) numpy scalar types are derived.  For consistency, exposes the same API as `ndarray`, despite many consequent attributes being either "get-only," or completely irrelevant. This is the class from which it is strongly suggested users should derive custom scalar types.     Methods defined here: __abs__(self, /) abs(self) __add__(self, value, /) Return self+value. __and__(self, value, /) Return self&value. __array__(...) sc.__array__(dtype) return 0-dim array from scalar with specified dtype __array_wrap__(...) sc.__array_wrap__(obj) return scalar from array __bool__(self, /) self != 0 __copy__(...) __deepcopy__(...) __divmod__(self, value, /) Return divmod(self, value). __eq__(self, value, /) Return self==value. __float__(self, /) float(self) __floordiv__(self, value, /) Return self//value. __format__(...) NumPy array scalar formatter __ge__(self, value, /) Return self>=value. __getitem__(self, key, /) Return self[key]. __gt__(self, value, /) Return self>value. __int__(self, /) int(self) __invert__(self, /) ~self __le__(self, value, /) Return self<=value. __lshift__(self, value, /) Return self<<value. __lt__(self, value, /) Return self<value. __mod__(self, value, /) Return self%value. __mul__(self, value, /) Return self*value. __ne__(self, value, /) Return self!=value. __neg__(self, /) -self __or__(self, value, /) Return self|value. __pos__(self, /) +self __pow__(self, value, mod=None, /) Return pow(self, value, mod). __radd__(self, value, /) Return value+self. __rand__(self, value, /) Return value&self. __rdivmod__(self, value, /) Return divmod(value, self). __reduce__(...) helper for pickle __rfloordiv__(self, value, /) Return value//self. __rlshift__(self, value, /) Return value<<self. __rmod__(self, value, /) Return value%self. __rmul__(self, value, /) Return value*self. __ror__(self, value, /) Return value|self. __round__(...) __rpow__(self, value, mod=None, /) Return pow(value, self, mod). __rrshift__(self, value, /) Return value>>self. __rshift__(self, value, /) Return self>>value. __rsub__(self, value, /) Return value-self. __rtruediv__(self, value, /) Return value/self. __rxor__(self, value, /) Return value^self. __setstate__(...) __sizeof__(...) __sizeof__() -> int size of object in memory, in bytes __sub__(self, value, /) Return self-value. __truediv__(self, value, /) Return self/value. __xor__(self, value, /) Return self^value. all(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. any(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmax(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmin(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argsort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. astype(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. byteswap(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. choose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. clip(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. compress(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. conj(...) conjugate(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. copy(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumprod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumsum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. diagonal(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dump(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dumps(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. fill(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. flatten(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. getfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. item(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. itemset(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. max(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. mean(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. min(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. newbyteorder(...) newbyteorder(new_order='S')   Return a new `dtype` with a different byte order.   Changes are also made in all fields and sub-arrays of the data type.   The `new_order` code can be any from the following:   * 'S' - swap dtype from current to opposite endian * {'<', 'L'} - little endian * {'>', 'B'} - big endian * {'=', 'N'} - native order * {'|', 'I'} - ignore (no change to byte order)   Parameters ---------- new_order : str, optional     Byte order to force; a value from the byte order specifications     above.  The default value ('S') results in swapping the current     byte order. The code does a case-insensitive check on the first     letter of `new_order` for the alternatives above.  For example,     any of 'B' or 'b' or 'biggish' are valid to specify big-endian.     Returns ------- new_dtype : dtype     New `dtype` object with the given change to the byte order. nonzero(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. prod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ptp(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. put(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ravel(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. repeat(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. reshape(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. resize(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. round(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. searchsorted(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setflags(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. squeeze(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. std(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. swapaxes(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. take(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tobytes(...) tofile(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tolist(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tostring(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. trace(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. transpose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. var(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. view(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. Data descriptors defined here: T transpose __array_interface__ Array protocol: Python side __array_priority__ Array priority. __array_struct__ Array protocol: struct base base object data pointer to start of data dtype get array data-descriptor flags integer value of flags flat a 1-d view of scalar imag imaginary part of scalar itemsize length of one element in bytes nbytes length of item in bytes ndim number of array dimensions real real part of scalar shape tuple of array dimensions size number of elements in the gentype strides tuple of bytes steps in each dimension Data and other attributes defined here: __hash__ = None   half = class float16(floating)     Base class for numpy scalar types.   Class from which most (all?) numpy scalar types are derived.  For consistency, exposes the same API as `ndarray`, despite many consequent attributes being either "get-only," or completely irrelevant. This is the class from which it is strongly suggested users should derive custom scalar types.     Method resolution order: float16 floating inexact number generic builtins.object Methods defined here: __abs__(self, /) abs(self) __add__(self, value, /) Return self+value. __and__(self, value, /) Return self&value. __bool__(self, /) self != 0 __divmod__(self, value, /) Return divmod(self, value). __eq__(self, value, /) Return self==value. __float__(self, /) float(self) __floordiv__(self, value, /) Return self//value. __ge__(self, value, /) Return self>=value. __gt__(self, value, /) Return self>value. __hash__(self, /) Return hash(self). __int__(self, /) int(self) __invert__(self, /) ~self __le__(self, value, /) Return self<=value. __lshift__(self, value, /) Return self<<value. __lt__(self, value, /) Return self<value. __mod__(self, value, /) Return self%value. __mul__(self, value, /) Return self*value. __ne__(self, value, /) Return self!=value. __neg__(self, /) -self __new__(*args, **kwargs) from builtins.type Create and return a new object.  See help(type) for accurate signature. __or__(self, value, /) Return self|value. __pos__(self, /) +self __pow__(self, value, mod=None, /) Return pow(self, value, mod). __radd__(self, value, /) Return value+self. __rand__(self, value, /) Return value&self. __rdivmod__(self, value, /) Return divmod(value, self). __repr__(self, /) Return repr(self). __rfloordiv__(self, value, /) Return value//self. __rlshift__(self, value, /) Return value<<self. __rmod__(self, value, /) Return value%self. __rmul__(self, value, /) Return value*self. __ror__(self, value, /) Return value|self. __rpow__(self, value, mod=None, /) Return pow(value, self, mod). __rrshift__(self, value, /) Return value>>self. __rshift__(self, value, /) Return self>>value. __rsub__(self, value, /) Return value-self. __rtruediv__(self, value, /) Return value/self. __rxor__(self, value, /) Return value^self. __str__(self, /) Return str(self). __sub__(self, value, /) Return self-value. __truediv__(self, value, /) Return self/value. __xor__(self, value, /) Return self^value. Methods inherited from generic: __array__(...) sc.__array__(dtype) return 0-dim array from scalar with specified dtype __array_wrap__(...) sc.__array_wrap__(obj) return scalar from array __copy__(...) __deepcopy__(...) __format__(...) NumPy array scalar formatter __getitem__(self, key, /) Return self[key]. __reduce__(...) helper for pickle __round__(...) __setstate__(...) __sizeof__(...) __sizeof__() -> int size of object in memory, in bytes all(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. any(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmax(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmin(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argsort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. astype(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. byteswap(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. choose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. clip(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. compress(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. conj(...) conjugate(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. copy(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumprod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumsum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. diagonal(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dump(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dumps(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. fill(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. flatten(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. getfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. item(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. itemset(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. max(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. mean(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. min(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. newbyteorder(...) newbyteorder(new_order='S')   Return a new `dtype` with a different byte order.   Changes are also made in all fields and sub-arrays of the data type.   The `new_order` code can be any from the following:   * 'S' - swap dtype from current to opposite endian * {'<', 'L'} - little endian * {'>', 'B'} - big endian * {'=', 'N'} - native order * {'|', 'I'} - ignore (no change to byte order)   Parameters ---------- new_order : str, optional     Byte order to force; a value from the byte order specifications     above.  The default value ('S') results in swapping the current     byte order. The code does a case-insensitive check on the first     letter of `new_order` for the alternatives above.  For example,     any of 'B' or 'b' or 'biggish' are valid to specify big-endian.     Returns ------- new_dtype : dtype     New `dtype` object with the given change to the byte order. nonzero(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. prod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ptp(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. put(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ravel(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. repeat(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. reshape(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. resize(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. round(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. searchsorted(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setflags(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. squeeze(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. std(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. swapaxes(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. take(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tobytes(...) tofile(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tolist(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tostring(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. trace(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. transpose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. var(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. view(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. Data descriptors inherited from generic: T transpose __array_interface__ Array protocol: Python side __array_priority__ Array priority. __array_struct__ Array protocol: struct base base object data pointer to start of data dtype get array data-descriptor flags integer value of flags flat a 1-d view of scalar imag imaginary part of scalar itemsize length of one element in bytes nbytes length of item in bytes ndim number of array dimensions real real part of scalar shape tuple of array dimensions size number of elements in the gentype strides tuple of bytes steps in each dimension   class iinfo(builtins.object)     iinfo(type)   Machine limits for integer types.   Attributes ---------- bits : int     The number of bits occupied by the type. min : int     The smallest integer expressible by the type. max : int     The largest integer expressible by the type.   Parameters ---------- int_type : integer type, dtype, or instance     The kind of integer data type to get information about.   See Also -------- finfo : The equivalent for floating point data types.   Examples -------- With types:   >>> ii16 = np.iinfo(np.int16) >>> ii16.min -32768 >>> ii16.max 32767 >>> ii32 = np.iinfo(np.int32) >>> ii32.min -2147483648 >>> ii32.max 2147483647   With instances:   >>> ii32 = np.iinfo(np.int32(10)) >>> ii32.min -2147483648 >>> ii32.max 2147483647     Methods defined here: __init__(self, int_type) Initialize self.  See help(type(self)) for accurate signature. __repr__(self) Return repr(self). __str__(self) String representation. Data descriptors defined here: __dict__ dictionary for instance variables (if defined) __weakref__ list of weak references to the object (if defined) max Maximum value of given dtype. min Minimum value of given dtype.   class inexact(number)     Base class for numpy scalar types.   Class from which most (all?) numpy scalar types are derived.  For consistency, exposes the same API as `ndarray`, despite many consequent attributes being either "get-only," or completely irrelevant. This is the class from which it is strongly suggested users should derive custom scalar types.     Method resolution order: inexact number generic builtins.object Methods inherited from generic: __abs__(self, /) abs(self) __add__(self, value, /) Return self+value. __and__(self, value, /) Return self&value. __array__(...) sc.__array__(dtype) return 0-dim array from scalar with specified dtype __array_wrap__(...) sc.__array_wrap__(obj) return scalar from array __bool__(self, /) self != 0 __copy__(...) __deepcopy__(...) __divmod__(self, value, /) Return divmod(self, value). __eq__(self, value, /) Return self==value. __float__(self, /) float(self) __floordiv__(self, value, /) Return self//value. __format__(...) NumPy array scalar formatter __ge__(self, value, /) Return self>=value. __getitem__(self, key, /) Return self[key]. __gt__(self, value, /) Return self>value. __int__(self, /) int(self) __invert__(self, /) ~self __le__(self, value, /) Return self<=value. __lshift__(self, value, /) Return self<<value. __lt__(self, value, /) Return self<value. __mod__(self, value, /) Return self%value. __mul__(self, value, /) Return self*value. __ne__(self, value, /) Return self!=value. __neg__(self, /) -self __or__(self, value, /) Return self|value. __pos__(self, /) +self __pow__(self, value, mod=None, /) Return pow(self, value, mod). __radd__(self, value, /) Return value+self. __rand__(self, value, /) Return value&self. __rdivmod__(self, value, /) Return divmod(value, self). __reduce__(...) helper for pickle __rfloordiv__(self, value, /) Return value//self. __rlshift__(self, value, /) Return value<<self. __rmod__(self, value, /) Return value%self. __rmul__(self, value, /) Return value*self. __ror__(self, value, /) Return value|self. __round__(...) __rpow__(self, value, mod=None, /) Return pow(value, self, mod). __rrshift__(self, value, /) Return value>>self. __rshift__(self, value, /) Return self>>value. __rsub__(self, value, /) Return value-self. __rtruediv__(self, value, /) Return value/self. __rxor__(self, value, /) Return value^self. __setstate__(...) __sizeof__(...) __sizeof__() -> int size of object in memory, in bytes __sub__(self, value, /) Return self-value. __truediv__(self, value, /) Return self/value. __xor__(self, value, /) Return self^value. all(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. any(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmax(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmin(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argsort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. astype(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. byteswap(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. choose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. clip(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. compress(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. conj(...) conjugate(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. copy(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumprod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumsum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. diagonal(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dump(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dumps(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. fill(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. flatten(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. getfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. item(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. itemset(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. max(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. mean(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. min(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. newbyteorder(...) newbyteorder(new_order='S')   Return a new `dtype` with a different byte order.   Changes are also made in all fields and sub-arrays of the data type.   The `new_order` code can be any from the following:   * 'S' - swap dtype from current to opposite endian * {'<', 'L'} - little endian * {'>', 'B'} - big endian * {'=', 'N'} - native order * {'|', 'I'} - ignore (no change to byte order)   Parameters ---------- new_order : str, optional     Byte order to force; a value from the byte order specifications     above.  The default value ('S') results in swapping the current     byte order. The code does a case-insensitive check on the first     letter of `new_order` for the alternatives above.  For example,     any of 'B' or 'b' or 'biggish' are valid to specify big-endian.     Returns ------- new_dtype : dtype     New `dtype` object with the given change to the byte order. nonzero(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. prod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ptp(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. put(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ravel(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. repeat(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. reshape(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. resize(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. round(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. searchsorted(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setflags(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. squeeze(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. std(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. swapaxes(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. take(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tobytes(...) tofile(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tolist(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tostring(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. trace(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. transpose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. var(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. view(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. Data descriptors inherited from generic: T transpose __array_interface__ Array protocol: Python side __array_priority__ Array priority. __array_struct__ Array protocol: struct base base object data pointer to start of data dtype get array data-descriptor flags integer value of flags flat a 1-d view of scalar imag imaginary part of scalar itemsize length of one element in bytes nbytes length of item in bytes ndim number of array dimensions real real part of scalar shape tuple of array dimensions size number of elements in the gentype strides tuple of bytes steps in each dimension Data and other attributes inherited from generic: __hash__ = None   int0 = class int64(signedinteger)     64-bit integer. Character code 'l'. Python int compatible.     Method resolution order: int64 signedinteger integer number generic builtins.object Methods defined here: __abs__(self, /) abs(self) __add__(self, value, /) Return self+value. __and__(self, value, /) Return self&value. __bool__(self, /) self != 0 __divmod__(self, value, /) Return divmod(self, value). __eq__(self, value, /) Return self==value. __float__(self, /) float(self) __floordiv__(self, value, /) Return self//value. __ge__(self, value, /) Return self>=value. __gt__(self, value, /) Return self>value. __hash__(self, /) Return hash(self). __index__(self, /) Return self converted to an integer, if self is suitable for use as an index into a list. __int__(self, /) int(self) __invert__(self, /) ~self __le__(self, value, /) Return self<=value. __lshift__(self, value, /) Return self<<value. __lt__(self, value, /) Return self<value. __mod__(self, value, /) Return self%value. __mul__(self, value, /) Return self*value. __ne__(self, value, /) Return self!=value. __neg__(self, /) -self __new__(*args, **kwargs) from builtins.type Create and return a new object.  See help(type) for accurate signature. __or__(self, value, /) Return self|value. __pos__(self, /) +self __pow__(self, value, mod=None, /) Return pow(self, value, mod). __radd__(self, value, /) Return value+self. __rand__(self, value, /) Return value&self. __rdivmod__(self, value, /) Return divmod(value, self). __repr__(self, /) Return repr(self). __rfloordiv__(self, value, /) Return value//self. __rlshift__(self, value, /) Return value<<self. __rmod__(self, value, /) Return value%self. __rmul__(self, value, /) Return value*self. __ror__(self, value, /) Return value|self. __rpow__(self, value, mod=None, /) Return pow(value, self, mod). __rrshift__(self, value, /) Return value>>self. __rshift__(self, value, /) Return self>>value. __rsub__(self, value, /) Return value-self. __rtruediv__(self, value, /) Return value/self. __rxor__(self, value, /) Return value^self. __str__(self, /) Return str(self). __sub__(self, value, /) Return self-value. __truediv__(self, value, /) Return self/value. __xor__(self, value, /) Return self^value. Data descriptors inherited from integer: denominator denominator of value (1) numerator numerator of value (the value itself) Methods inherited from generic: __array__(...) sc.__array__(dtype) return 0-dim array from scalar with specified dtype __array_wrap__(...) sc.__array_wrap__(obj) return scalar from array __copy__(...) __deepcopy__(...) __format__(...) NumPy array scalar formatter __getitem__(self, key, /) Return self[key]. __reduce__(...) helper for pickle __round__(...) __setstate__(...) __sizeof__(...) __sizeof__() -> int size of object in memory, in bytes all(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. any(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmax(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmin(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argsort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. astype(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. byteswap(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. choose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. clip(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. compress(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. conj(...) conjugate(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. copy(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumprod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumsum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. diagonal(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dump(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dumps(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. fill(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. flatten(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. getfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. item(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. itemset(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. max(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. mean(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. min(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. newbyteorder(...) newbyteorder(new_order='S')   Return a new `dtype` with a different byte order.   Changes are also made in all fields and sub-arrays of the data type.   The `new_order` code can be any from the following:   * 'S' - swap dtype from current to opposite endian * {'<', 'L'} - little endian * {'>', 'B'} - big endian * {'=', 'N'} - native order * {'|', 'I'} - ignore (no change to byte order)   Parameters ---------- new_order : str, optional     Byte order to force; a value from the byte order specifications     above.  The default value ('S') results in swapping the current     byte order. The code does a case-insensitive check on the first     letter of `new_order` for the alternatives above.  For example,     any of 'B' or 'b' or 'biggish' are valid to specify big-endian.     Returns ------- new_dtype : dtype     New `dtype` object with the given change to the byte order. nonzero(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. prod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ptp(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. put(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ravel(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. repeat(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. reshape(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. resize(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. round(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. searchsorted(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setflags(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. squeeze(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. std(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. swapaxes(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. take(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tobytes(...) tofile(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tolist(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tostring(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. trace(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. transpose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. var(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. view(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. Data descriptors inherited from generic: T transpose __array_interface__ Array protocol: Python side __array_priority__ Array priority. __array_struct__ Array protocol: struct base base object data pointer to start of data dtype get array data-descriptor flags integer value of flags flat a 1-d view of scalar imag imaginary part of scalar itemsize length of one element in bytes nbytes length of item in bytes ndim number of array dimensions real real part of scalar shape tuple of array dimensions size number of elements in the gentype strides tuple of bytes steps in each dimension   class int16(signedinteger)     16-bit integer. Character code ``h``. C short compatible.     Method resolution order: int16 signedinteger integer number generic builtins.object Methods defined here: __abs__(self, /) abs(self) __add__(self, value, /) Return self+value. __and__(self, value, /) Return self&value. __bool__(self, /) self != 0 __divmod__(self, value, /) Return divmod(self, value). __eq__(self, value, /) Return self==value. __float__(self, /) float(self) __floordiv__(self, value, /) Return self//value. __ge__(self, value, /) Return self>=value. __gt__(self, value, /) Return self>value. __hash__(self, /) Return hash(self). __index__(self, /) Return self converted to an integer, if self is suitable for use as an index into a list. __int__(self, /) int(self) __invert__(self, /) ~self __le__(self, value, /) Return self<=value. __lshift__(self, value, /) Return self<<value. __lt__(self, value, /) Return self<value. __mod__(self, value, /) Return self%value. __mul__(self, value, /) Return self*value. __ne__(self, value, /) Return self!=value. __neg__(self, /) -self __new__(*args, **kwargs) from builtins.type Create and return a new object.  See help(type) for accurate signature. __or__(self, value, /) Return self|value. __pos__(self, /) +self __pow__(self, value, mod=None, /) Return pow(self, value, mod). __radd__(self, value, /) Return value+self. __rand__(self, value, /) Return value&self. __rdivmod__(self, value, /) Return divmod(value, self). __repr__(self, /) Return repr(self). __rfloordiv__(self, value, /) Return value//self. __rlshift__(self, value, /) Return value<<self. __rmod__(self, value, /) Return value%self. __rmul__(self, value, /) Return value*self. __ror__(self, value, /) Return value|self. __rpow__(self, value, mod=None, /) Return pow(value, self, mod). __rrshift__(self, value, /) Return value>>self. __rshift__(self, value, /) Return self>>value. __rsub__(self, value, /) Return value-self. __rtruediv__(self, value, /) Return value/self. __rxor__(self, value, /) Return value^self. __str__(self, /) Return str(self). __sub__(self, value, /) Return self-value. __truediv__(self, value, /) Return self/value. __xor__(self, value, /) Return self^value. Data descriptors inherited from integer: denominator denominator of value (1) numerator numerator of value (the value itself) Methods inherited from generic: __array__(...) sc.__array__(dtype) return 0-dim array from scalar with specified dtype __array_wrap__(...) sc.__array_wrap__(obj) return scalar from array __copy__(...) __deepcopy__(...) __format__(...) NumPy array scalar formatter __getitem__(self, key, /) Return self[key]. __reduce__(...) helper for pickle __round__(...) __setstate__(...) __sizeof__(...) __sizeof__() -> int size of object in memory, in bytes all(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. any(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmax(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmin(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argsort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. astype(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. byteswap(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. choose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. clip(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. compress(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. conj(...) conjugate(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. copy(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumprod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumsum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. diagonal(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dump(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dumps(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. fill(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. flatten(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. getfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. item(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. itemset(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. max(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. mean(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. min(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. newbyteorder(...) newbyteorder(new_order='S')   Return a new `dtype` with a different byte order.   Changes are also made in all fields and sub-arrays of the data type.   The `new_order` code can be any from the following:   * 'S' - swap dtype from current to opposite endian * {'<', 'L'} - little endian * {'>', 'B'} - big endian * {'=', 'N'} - native order * {'|', 'I'} - ignore (no change to byte order)   Parameters ---------- new_order : str, optional     Byte order to force; a value from the byte order specifications     above.  The default value ('S') results in swapping the current     byte order. The code does a case-insensitive check on the first     letter of `new_order` for the alternatives above.  For example,     any of 'B' or 'b' or 'biggish' are valid to specify big-endian.     Returns ------- new_dtype : dtype     New `dtype` object with the given change to the byte order. nonzero(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. prod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ptp(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. put(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ravel(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. repeat(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. reshape(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. resize(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. round(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. searchsorted(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setflags(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. squeeze(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. std(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. swapaxes(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. take(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tobytes(...) tofile(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tolist(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tostring(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. trace(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. transpose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. var(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. view(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. Data descriptors inherited from generic: T transpose __array_interface__ Array protocol: Python side __array_priority__ Array priority. __array_struct__ Array protocol: struct base base object data pointer to start of data dtype get array data-descriptor flags integer value of flags flat a 1-d view of scalar imag imaginary part of scalar itemsize length of one element in bytes nbytes length of item in bytes ndim number of array dimensions real real part of scalar shape tuple of array dimensions size number of elements in the gentype strides tuple of bytes steps in each dimension   class int32(signedinteger)     32-bit integer. Character code 'i'. C int compatible.     Method resolution order: int32 signedinteger integer number generic builtins.object Methods defined here: __abs__(self, /) abs(self) __add__(self, value, /) Return self+value. __and__(self, value, /) Return self&value. __bool__(self, /) self != 0 __divmod__(self, value, /) Return divmod(self, value). __eq__(self, value, /) Return self==value. __float__(self, /) float(self) __floordiv__(self, value, /) Return self//value. __ge__(self, value, /) Return self>=value. __gt__(self, value, /) Return self>value. __hash__(self, /) Return hash(self). __index__(self, /) Return self converted to an integer, if self is suitable for use as an index into a list. __int__(self, /) int(self) __invert__(self, /) ~self __le__(self, value, /) Return self<=value. __lshift__(self, value, /) Return self<<value. __lt__(self, value, /) Return self<value. __mod__(self, value, /) Return self%value. __mul__(self, value, /) Return self*value. __ne__(self, value, /) Return self!=value. __neg__(self, /) -self __new__(*args, **kwargs) from builtins.type Create and return a new object.  See help(type) for accurate signature. __or__(self, value, /) Return self|value. __pos__(self, /) +self __pow__(self, value, mod=None, /) Return pow(self, value, mod). __radd__(self, value, /) Return value+self. __rand__(self, value, /) Return value&self. __rdivmod__(self, value, /) Return divmod(value, self). __repr__(self, /) Return repr(self). __rfloordiv__(self, value, /) Return value//self. __rlshift__(self, value, /) Return value<<self. __rmod__(self, value, /) Return value%self. __rmul__(self, value, /) Return value*self. __ror__(self, value, /) Return value|self. __rpow__(self, value, mod=None, /) Return pow(value, self, mod). __rrshift__(self, value, /) Return value>>self. __rshift__(self, value, /) Return self>>value. __rsub__(self, value, /) Return value-self. __rtruediv__(self, value, /) Return value/self. __rxor__(self, value, /) Return value^self. __str__(self, /) Return str(self). __sub__(self, value, /) Return self-value. __truediv__(self, value, /) Return self/value. __xor__(self, value, /) Return self^value. Data descriptors inherited from integer: denominator denominator of value (1) numerator numerator of value (the value itself) Methods inherited from generic: __array__(...) sc.__array__(dtype) return 0-dim array from scalar with specified dtype __array_wrap__(...) sc.__array_wrap__(obj) return scalar from array __copy__(...) __deepcopy__(...) __format__(...) NumPy array scalar formatter __getitem__(self, key, /) Return self[key]. __reduce__(...) helper for pickle __round__(...) __setstate__(...) __sizeof__(...) __sizeof__() -> int size of object in memory, in bytes all(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. any(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmax(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmin(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argsort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. astype(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. byteswap(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. choose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. clip(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. compress(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. conj(...) conjugate(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. copy(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumprod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumsum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. diagonal(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dump(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dumps(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. fill(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. flatten(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. getfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. item(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. itemset(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. max(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. mean(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. min(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. newbyteorder(...) newbyteorder(new_order='S')   Return a new `dtype` with a different byte order.   Changes are also made in all fields and sub-arrays of the data type.   The `new_order` code can be any from the following:   * 'S' - swap dtype from current to opposite endian * {'<', 'L'} - little endian * {'>', 'B'} - big endian * {'=', 'N'} - native order * {'|', 'I'} - ignore (no change to byte order)   Parameters ---------- new_order : str, optional     Byte order to force; a value from the byte order specifications     above.  The default value ('S') results in swapping the current     byte order. The code does a case-insensitive check on the first     letter of `new_order` for the alternatives above.  For example,     any of 'B' or 'b' or 'biggish' are valid to specify big-endian.     Returns ------- new_dtype : dtype     New `dtype` object with the given change to the byte order. nonzero(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. prod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ptp(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. put(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ravel(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. repeat(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. reshape(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. resize(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. round(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. searchsorted(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setflags(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. squeeze(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. std(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. swapaxes(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. take(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tobytes(...) tofile(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tolist(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tostring(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. trace(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. transpose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. var(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. view(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. Data descriptors inherited from generic: T transpose __array_interface__ Array protocol: Python side __array_priority__ Array priority. __array_struct__ Array protocol: struct base base object data pointer to start of data dtype get array data-descriptor flags integer value of flags flat a 1-d view of scalar imag imaginary part of scalar itemsize length of one element in bytes nbytes length of item in bytes ndim number of array dimensions real real part of scalar shape tuple of array dimensions size number of elements in the gentype strides tuple of bytes steps in each dimension   class int64(signedinteger)     64-bit integer. Character code 'l'. Python int compatible.     Method resolution order: int64 signedinteger integer number generic builtins.object Methods defined here: __abs__(self, /) abs(self) __add__(self, value, /) Return self+value. __and__(self, value, /) Return self&value. __bool__(self, /) self != 0 __divmod__(self, value, /) Return divmod(self, value). __eq__(self, value, /) Return self==value. __float__(self, /) float(self) __floordiv__(self, value, /) Return self//value. __ge__(self, value, /) Return self>=value. __gt__(self, value, /) Return self>value. __hash__(self, /) Return hash(self). __index__(self, /) Return self converted to an integer, if self is suitable for use as an index into a list. __int__(self, /) int(self) __invert__(self, /) ~self __le__(self, value, /) Return self<=value. __lshift__(self, value, /) Return self<<value. __lt__(self, value, /) Return self<value. __mod__(self, value, /) Return self%value. __mul__(self, value, /) Return self*value. __ne__(self, value, /) Return self!=value. __neg__(self, /) -self __new__(*args, **kwargs) from builtins.type Create and return a new object.  See help(type) for accurate signature. __or__(self, value, /) Return self|value. __pos__(self, /) +self __pow__(self, value, mod=None, /) Return pow(self, value, mod). __radd__(self, value, /) Return value+self. __rand__(self, value, /) Return value&self. __rdivmod__(self, value, /) Return divmod(value, self). __repr__(self, /) Return repr(self). __rfloordiv__(self, value, /) Return value//self. __rlshift__(self, value, /) Return value<<self. __rmod__(self, value, /) Return value%self. __rmul__(self, value, /) Return value*self. __ror__(self, value, /) Return value|self. __rpow__(self, value, mod=None, /) Return pow(value, self, mod). __rrshift__(self, value, /) Return value>>self. __rshift__(self, value, /) Return self>>value. __rsub__(self, value, /) Return value-self. __rtruediv__(self, value, /) Return value/self. __rxor__(self, value, /) Return value^self. __str__(self, /) Return str(self). __sub__(self, value, /) Return self-value. __truediv__(self, value, /) Return self/value. __xor__(self, value, /) Return self^value. Data descriptors inherited from integer: denominator denominator of value (1) numerator numerator of value (the value itself) Methods inherited from generic: __array__(...) sc.__array__(dtype) return 0-dim array from scalar with specified dtype __array_wrap__(...) sc.__array_wrap__(obj) return scalar from array __copy__(...) __deepcopy__(...) __format__(...) NumPy array scalar formatter __getitem__(self, key, /) Return self[key]. __reduce__(...) helper for pickle __round__(...) __setstate__(...) __sizeof__(...) __sizeof__() -> int size of object in memory, in bytes all(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. any(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmax(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmin(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argsort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. astype(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. byteswap(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. choose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. clip(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. compress(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. conj(...) conjugate(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. copy(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumprod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumsum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. diagonal(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dump(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dumps(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. fill(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. flatten(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. getfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. item(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. itemset(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. max(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. mean(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. min(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. newbyteorder(...) newbyteorder(new_order='S')   Return a new `dtype` with a different byte order.   Changes are also made in all fields and sub-arrays of the data type.   The `new_order` code can be any from the following:   * 'S' - swap dtype from current to opposite endian * {'<', 'L'} - little endian * {'>', 'B'} - big endian * {'=', 'N'} - native order * {'|', 'I'} - ignore (no change to byte order)   Parameters ---------- new_order : str, optional     Byte order to force; a value from the byte order specifications     above.  The default value ('S') results in swapping the current     byte order. The code does a case-insensitive check on the first     letter of `new_order` for the alternatives above.  For example,     any of 'B' or 'b' or 'biggish' are valid to specify big-endian.     Returns ------- new_dtype : dtype     New `dtype` object with the given change to the byte order. nonzero(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. prod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ptp(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. put(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ravel(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. repeat(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. reshape(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. resize(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. round(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. searchsorted(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setflags(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. squeeze(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. std(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. swapaxes(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. take(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tobytes(...) tofile(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tolist(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tostring(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. trace(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. transpose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. var(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. view(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. Data descriptors inherited from generic: T transpose __array_interface__ Array protocol: Python side __array_priority__ Array priority. __array_struct__ Array protocol: struct base base object data pointer to start of data dtype get array data-descriptor flags integer value of flags flat a 1-d view of scalar imag imaginary part of scalar itemsize length of one element in bytes nbytes length of item in bytes ndim number of array dimensions real real part of scalar shape tuple of array dimensions size number of elements in the gentype strides tuple of bytes steps in each dimension   class int8(signedinteger)     8-bit integer. Character code ``b``. C char compatible.     Method resolution order: int8 signedinteger integer number generic builtins.object Methods defined here: __abs__(self, /) abs(self) __add__(self, value, /) Return self+value. __and__(self, value, /) Return self&value. __bool__(self, /) self != 0 __divmod__(self, value, /) Return divmod(self, value). __eq__(self, value, /) Return self==value. __float__(self, /) float(self) __floordiv__(self, value, /) Return self//value. __ge__(self, value, /) Return self>=value. __gt__(self, value, /) Return self>value. __hash__(self, /) Return hash(self). __index__(self, /) Return self converted to an integer, if self is suitable for use as an index into a list. __int__(self, /) int(self) __invert__(self, /) ~self __le__(self, value, /) Return self<=value. __lshift__(self, value, /) Return self<<value. __lt__(self, value, /) Return self<value. __mod__(self, value, /) Return self%value. __mul__(self, value, /) Return self*value. __ne__(self, value, /) Return self!=value. __neg__(self, /) -self __new__(*args, **kwargs) from builtins.type Create and return a new object.  See help(type) for accurate signature. __or__(self, value, /) Return self|value. __pos__(self, /) +self __pow__(self, value, mod=None, /) Return pow(self, value, mod). __radd__(self, value, /) Return value+self. __rand__(self, value, /) Return value&self. __rdivmod__(self, value, /) Return divmod(value, self). __repr__(self, /) Return repr(self). __rfloordiv__(self, value, /) Return value//self. __rlshift__(self, value, /) Return value<<self. __rmod__(self, value, /) Return value%self. __rmul__(self, value, /) Return value*self. __ror__(self, value, /) Return value|self. __rpow__(self, value, mod=None, /) Return pow(value, self, mod). __rrshift__(self, value, /) Return value>>self. __rshift__(self, value, /) Return self>>value. __rsub__(self, value, /) Return value-self. __rtruediv__(self, value, /) Return value/self. __rxor__(self, value, /) Return value^self. __str__(self, /) Return str(self). __sub__(self, value, /) Return self-value. __truediv__(self, value, /) Return self/value. __xor__(self, value, /) Return self^value. Data descriptors inherited from integer: denominator denominator of value (1) numerator numerator of value (the value itself) Methods inherited from generic: __array__(...) sc.__array__(dtype) return 0-dim array from scalar with specified dtype __array_wrap__(...) sc.__array_wrap__(obj) return scalar from array __copy__(...) __deepcopy__(...) __format__(...) NumPy array scalar formatter __getitem__(self, key, /) Return self[key]. __reduce__(...) helper for pickle __round__(...) __setstate__(...) __sizeof__(...) __sizeof__() -> int size of object in memory, in bytes all(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. any(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmax(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmin(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argsort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. astype(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. byteswap(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. choose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. clip(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. compress(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. conj(...) conjugate(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. copy(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumprod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumsum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. diagonal(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dump(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dumps(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. fill(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. flatten(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. getfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. item(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. itemset(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. max(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. mean(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. min(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. newbyteorder(...) newbyteorder(new_order='S')   Return a new `dtype` with a different byte order.   Changes are also made in all fields and sub-arrays of the data type.   The `new_order` code can be any from the following:   * 'S' - swap dtype from current to opposite endian * {'<', 'L'} - little endian * {'>', 'B'} - big endian * {'=', 'N'} - native order * {'|', 'I'} - ignore (no change to byte order)   Parameters ---------- new_order : str, optional     Byte order to force; a value from the byte order specifications     above.  The default value ('S') results in swapping the current     byte order. The code does a case-insensitive check on the first     letter of `new_order` for the alternatives above.  For example,     any of 'B' or 'b' or 'biggish' are valid to specify big-endian.     Returns ------- new_dtype : dtype     New `dtype` object with the given change to the byte order. nonzero(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. prod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ptp(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. put(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ravel(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. repeat(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. reshape(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. resize(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. round(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. searchsorted(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setflags(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. squeeze(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. std(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. swapaxes(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. take(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tobytes(...) tofile(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tolist(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tostring(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. trace(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. transpose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. var(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. view(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. Data descriptors inherited from generic: T transpose __array_interface__ Array protocol: Python side __array_priority__ Array priority. __array_struct__ Array protocol: struct base base object data pointer to start of data dtype get array data-descriptor flags integer value of flags flat a 1-d view of scalar imag imaginary part of scalar itemsize length of one element in bytes nbytes length of item in bytes ndim number of array dimensions real real part of scalar shape tuple of array dimensions size number of elements in the gentype strides tuple of bytes steps in each dimension   int_ = class int32(signedinteger)     32-bit integer. Character code 'i'. C int compatible.     Method resolution order: int32 signedinteger integer number generic builtins.object Methods defined here: __abs__(self, /) abs(self) __add__(self, value, /) Return self+value. __and__(self, value, /) Return self&value. __bool__(self, /) self != 0 __divmod__(self, value, /) Return divmod(self, value). __eq__(self, value, /) Return self==value. __float__(self, /) float(self) __floordiv__(self, value, /) Return self//value. __ge__(self, value, /) Return self>=value. __gt__(self, value, /) Return self>value. __hash__(self, /) Return hash(self). __index__(self, /) Return self converted to an integer, if self is suitable for use as an index into a list. __int__(self, /) int(self) __invert__(self, /) ~self __le__(self, value, /) Return self<=value. __lshift__(self, value, /) Return self<<value. __lt__(self, value, /) Return self<value. __mod__(self, value, /) Return self%value. __mul__(self, value, /) Return self*value. __ne__(self, value, /) Return self!=value. __neg__(self, /) -self __new__(*args, **kwargs) from builtins.type Create and return a new object.  See help(type) for accurate signature. __or__(self, value, /) Return self|value. __pos__(self, /) +self __pow__(self, value, mod=None, /) Return pow(self, value, mod). __radd__(self, value, /) Return value+self. __rand__(self, value, /) Return value&self. __rdivmod__(self, value, /) Return divmod(value, self). __repr__(self, /) Return repr(self). __rfloordiv__(self, value, /) Return value//self. __rlshift__(self, value, /) Return value<<self. __rmod__(self, value, /) Return value%self. __rmul__(self, value, /) Return value*self. __ror__(self, value, /) Return value|self. __rpow__(self, value, mod=None, /) Return pow(value, self, mod). __rrshift__(self, value, /) Return value>>self. __rshift__(self, value, /) Return self>>value. __rsub__(self, value, /) Return value-self. __rtruediv__(self, value, /) Return value/self. __rxor__(self, value, /) Return value^self. __str__(self, /) Return str(self). __sub__(self, value, /) Return self-value. __truediv__(self, value, /) Return self/value. __xor__(self, value, /) Return self^value. Data descriptors inherited from integer: denominator denominator of value (1) numerator numerator of value (the value itself) Methods inherited from generic: __array__(...) sc.__array__(dtype) return 0-dim array from scalar with specified dtype __array_wrap__(...) sc.__array_wrap__(obj) return scalar from array __copy__(...) __deepcopy__(...) __format__(...) NumPy array scalar formatter __getitem__(self, key, /) Return self[key]. __reduce__(...) helper for pickle __round__(...) __setstate__(...) __sizeof__(...) __sizeof__() -> int size of object in memory, in bytes all(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. any(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmax(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmin(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argsort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. astype(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. byteswap(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. choose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. clip(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. compress(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. conj(...) conjugate(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. copy(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumprod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumsum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. diagonal(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dump(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dumps(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. fill(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. flatten(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. getfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. item(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. itemset(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. max(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. mean(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. min(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. newbyteorder(...) newbyteorder(new_order='S')   Return a new `dtype` with a different byte order.   Changes are also made in all fields and sub-arrays of the data type.   The `new_order` code can be any from the following:   * 'S' - swap dtype from current to opposite endian * {'<', 'L'} - little endian * {'>', 'B'} - big endian * {'=', 'N'} - native order * {'|', 'I'} - ignore (no change to byte order)   Parameters ---------- new_order : str, optional     Byte order to force; a value from the byte order specifications     above.  The default value ('S') results in swapping the current     byte order. The code does a case-insensitive check on the first     letter of `new_order` for the alternatives above.  For example,     any of 'B' or 'b' or 'biggish' are valid to specify big-endian.     Returns ------- new_dtype : dtype     New `dtype` object with the given change to the byte order. nonzero(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. prod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ptp(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. put(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ravel(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. repeat(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. reshape(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. resize(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. round(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. searchsorted(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setflags(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. squeeze(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. std(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. swapaxes(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. take(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tobytes(...) tofile(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tolist(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tostring(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. trace(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. transpose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. var(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. view(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. Data descriptors inherited from generic: T transpose __array_interface__ Array protocol: Python side __array_priority__ Array priority. __array_struct__ Array protocol: struct base base object data pointer to start of data dtype get array data-descriptor flags integer value of flags flat a 1-d view of scalar imag imaginary part of scalar itemsize length of one element in bytes nbytes length of item in bytes ndim number of array dimensions real real part of scalar shape tuple of array dimensions size number of elements in the gentype strides tuple of bytes steps in each dimension   intc = class int32(signedinteger)     Base class for numpy scalar types.   Class from which most (all?) numpy scalar types are derived.  For consistency, exposes the same API as `ndarray`, despite many consequent attributes being either "get-only," or completely irrelevant. This is the class from which it is strongly suggested users should derive custom scalar types.     Method resolution order: int32 signedinteger integer number generic builtins.object Methods defined here: __abs__(self, /) abs(self) __add__(self, value, /) Return self+value. __and__(self, value, /) Return self&value. __bool__(self, /) self != 0 __divmod__(self, value, /) Return divmod(self, value). __eq__(self, value, /) Return self==value. __float__(self, /) float(self) __floordiv__(self, value, /) Return self//value. __ge__(self, value, /) Return self>=value. __gt__(self, value, /) Return self>value. __hash__(self, /) Return hash(self). __index__(self, /) Return self converted to an integer, if self is suitable for use as an index into a list. __int__(self, /) int(self) __invert__(self, /) ~self __le__(self, value, /) Return self<=value. __lshift__(self, value, /) Return self<<value. __lt__(self, value, /) Return self<value. __mod__(self, value, /) Return self%value. __mul__(self, value, /) Return self*value. __ne__(self, value, /) Return self!=value. __neg__(self, /) -self __new__(*args, **kwargs) from builtins.type Create and return a new object.  See help(type) for accurate signature. __or__(self, value, /) Return self|value. __pos__(self, /) +self __pow__(self, value, mod=None, /) Return pow(self, value, mod). __radd__(self, value, /) Return value+self. __rand__(self, value, /) Return value&self. __rdivmod__(self, value, /) Return divmod(value, self). __repr__(self, /) Return repr(self). __rfloordiv__(self, value, /) Return value//self. __rlshift__(self, value, /) Return value<<self. __rmod__(self, value, /) Return value%self. __rmul__(self, value, /) Return value*self. __ror__(self, value, /) Return value|self. __rpow__(self, value, mod=None, /) Return pow(value, self, mod). __rrshift__(self, value, /) Return value>>self. __rshift__(self, value, /) Return self>>value. __rsub__(self, value, /) Return value-self. __rtruediv__(self, value, /) Return value/self. __rxor__(self, value, /) Return value^self. __str__(self, /) Return str(self). __sub__(self, value, /) Return self-value. __truediv__(self, value, /) Return self/value. __xor__(self, value, /) Return self^value. Data descriptors inherited from integer: denominator denominator of value (1) numerator numerator of value (the value itself) Methods inherited from generic: __array__(...) sc.__array__(dtype) return 0-dim array from scalar with specified dtype __array_wrap__(...) sc.__array_wrap__(obj) return scalar from array __copy__(...) __deepcopy__(...) __format__(...) NumPy array scalar formatter __getitem__(self, key, /) Return self[key]. __reduce__(...) helper for pickle __round__(...) __setstate__(...) __sizeof__(...) __sizeof__() -> int size of object in memory, in bytes all(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. any(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmax(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmin(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argsort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. astype(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. byteswap(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. choose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. clip(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. compress(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. conj(...) conjugate(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. copy(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumprod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumsum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. diagonal(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dump(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dumps(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. fill(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. flatten(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. getfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. item(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. itemset(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. max(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. mean(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. min(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. newbyteorder(...) newbyteorder(new_order='S')   Return a new `dtype` with a different byte order.   Changes are also made in all fields and sub-arrays of the data type.   The `new_order` code can be any from the following:   * 'S' - swap dtype from current to opposite endian * {'<', 'L'} - little endian * {'>', 'B'} - big endian * {'=', 'N'} - native order * {'|', 'I'} - ignore (no change to byte order)   Parameters ---------- new_order : str, optional     Byte order to force; a value from the byte order specifications     above.  The default value ('S') results in swapping the current     byte order. The code does a case-insensitive check on the first     letter of `new_order` for the alternatives above.  For example,     any of 'B' or 'b' or 'biggish' are valid to specify big-endian.     Returns ------- new_dtype : dtype     New `dtype` object with the given change to the byte order. nonzero(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. prod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ptp(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. put(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ravel(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. repeat(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. reshape(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. resize(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. round(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. searchsorted(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setflags(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. squeeze(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. std(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. swapaxes(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. take(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tobytes(...) tofile(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tolist(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tostring(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. trace(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. transpose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. var(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. view(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. Data descriptors inherited from generic: T transpose __array_interface__ Array protocol: Python side __array_priority__ Array priority. __array_struct__ Array protocol: struct base base object data pointer to start of data dtype get array data-descriptor flags integer value of flags flat a 1-d view of scalar imag imaginary part of scalar itemsize length of one element in bytes nbytes length of item in bytes ndim number of array dimensions real real part of scalar shape tuple of array dimensions size number of elements in the gentype strides tuple of bytes steps in each dimension   class integer(number)     Base class for numpy scalar types.   Class from which most (all?) numpy scalar types are derived.  For consistency, exposes the same API as `ndarray`, despite many consequent attributes being either "get-only," or completely irrelevant. This is the class from which it is strongly suggested users should derive custom scalar types.     Method resolution order: integer number generic builtins.object Data descriptors defined here: denominator denominator of value (1) numerator numerator of value (the value itself) Methods inherited from generic: __abs__(self, /) abs(self) __add__(self, value, /) Return self+value. __and__(self, value, /) Return self&value. __array__(...) sc.__array__(dtype) return 0-dim array from scalar with specified dtype __array_wrap__(...) sc.__array_wrap__(obj) return scalar from array __bool__(self, /) self != 0 __copy__(...) __deepcopy__(...) __divmod__(self, value, /) Return divmod(self, value). __eq__(self, value, /) Return self==value. __float__(self, /) float(self) __floordiv__(self, value, /) Return self//value. __format__(...) NumPy array scalar formatter __ge__(self, value, /) Return self>=value. __getitem__(self, key, /) Return self[key]. __gt__(self, value, /) Return self>value. __int__(self, /) int(self) __invert__(self, /) ~self __le__(self, value, /) Return self<=value. __lshift__(self, value, /) Return self<<value. __lt__(self, value, /) Return self<value. __mod__(self, value, /) Return self%value. __mul__(self, value, /) Return self*value. __ne__(self, value, /) Return self!=value. __neg__(self, /) -self __or__(self, value, /) Return self|value. __pos__(self, /) +self __pow__(self, value, mod=None, /) Return pow(self, value, mod). __radd__(self, value, /) Return value+self. __rand__(self, value, /) Return value&self. __rdivmod__(self, value, /) Return divmod(value, self). __reduce__(...) helper for pickle __rfloordiv__(self, value, /) Return value//self. __rlshift__(self, value, /) Return value<<self. __rmod__(self, value, /) Return value%self. __rmul__(self, value, /) Return value*self. __ror__(self, value, /) Return value|self. __round__(...) __rpow__(self, value, mod=None, /) Return pow(value, self, mod). __rrshift__(self, value, /) Return value>>self. __rshift__(self, value, /) Return self>>value. __rsub__(self, value, /) Return value-self. __rtruediv__(self, value, /) Return value/self. __rxor__(self, value, /) Return value^self. __setstate__(...) __sizeof__(...) __sizeof__() -> int size of object in memory, in bytes __sub__(self, value, /) Return self-value. __truediv__(self, value, /) Return self/value. __xor__(self, value, /) Return self^value. all(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. any(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmax(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmin(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argsort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. astype(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. byteswap(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. choose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. clip(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. compress(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. conj(...) conjugate(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. copy(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumprod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumsum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. diagonal(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dump(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dumps(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. fill(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. flatten(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. getfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. item(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. itemset(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. max(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. mean(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. min(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. newbyteorder(...) newbyteorder(new_order='S')   Return a new `dtype` with a different byte order.   Changes are also made in all fields and sub-arrays of the data type.   The `new_order` code can be any from the following:   * 'S' - swap dtype from current to opposite endian * {'<', 'L'} - little endian * {'>', 'B'} - big endian * {'=', 'N'} - native order * {'|', 'I'} - ignore (no change to byte order)   Parameters ---------- new_order : str, optional     Byte order to force; a value from the byte order specifications     above.  The default value ('S') results in swapping the current     byte order. The code does a case-insensitive check on the first     letter of `new_order` for the alternatives above.  For example,     any of 'B' or 'b' or 'biggish' are valid to specify big-endian.     Returns ------- new_dtype : dtype     New `dtype` object with the given change to the byte order. nonzero(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. prod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ptp(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. put(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ravel(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. repeat(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. reshape(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. resize(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. round(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. searchsorted(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setflags(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. squeeze(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. std(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. swapaxes(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. take(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tobytes(...) tofile(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tolist(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tostring(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. trace(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. transpose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. var(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. view(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. Data descriptors inherited from generic: T transpose __array_interface__ Array protocol: Python side __array_priority__ Array priority. __array_struct__ Array protocol: struct base base object data pointer to start of data dtype get array data-descriptor flags integer value of flags flat a 1-d view of scalar imag imaginary part of scalar itemsize length of one element in bytes nbytes length of item in bytes ndim number of array dimensions real real part of scalar shape tuple of array dimensions size number of elements in the gentype strides tuple of bytes steps in each dimension Data and other attributes inherited from generic: __hash__ = None   intp = class int64(signedinteger)     64-bit integer. Character code 'l'. Python int compatible.     Method resolution order: int64 signedinteger integer number generic builtins.object Methods defined here: __abs__(self, /) abs(self) __add__(self, value, /) Return self+value. __and__(self, value, /) Return self&value. __bool__(self, /) self != 0 __divmod__(self, value, /) Return divmod(self, value). __eq__(self, value, /) Return self==value. __float__(self, /) float(self) __floordiv__(self, value, /) Return self//value. __ge__(self, value, /) Return self>=value. __gt__(self, value, /) Return self>value. __hash__(self, /) Return hash(self). __index__(self, /) Return self converted to an integer, if self is suitable for use as an index into a list. __int__(self, /) int(self) __invert__(self, /) ~self __le__(self, value, /) Return self<=value. __lshift__(self, value, /) Return self<<value. __lt__(self, value, /) Return self<value. __mod__(self, value, /) Return self%value. __mul__(self, value, /) Return self*value. __ne__(self, value, /) Return self!=value. __neg__(self, /) -self __new__(*args, **kwargs) from builtins.type Create and return a new object.  See help(type) for accurate signature. __or__(self, value, /) Return self|value. __pos__(self, /) +self __pow__(self, value, mod=None, /) Return pow(self, value, mod). __radd__(self, value, /) Return value+self. __rand__(self, value, /) Return value&self. __rdivmod__(self, value, /) Return divmod(value, self). __repr__(self, /) Return repr(self). __rfloordiv__(self, value, /) Return value//self. __rlshift__(self, value, /) Return value<<self. __rmod__(self, value, /) Return value%self. __rmul__(self, value, /) Return value*self. __ror__(self, value, /) Return value|self. __rpow__(self, value, mod=None, /) Return pow(value, self, mod). __rrshift__(self, value, /) Return value>>self. __rshift__(self, value, /) Return self>>value. __rsub__(self, value, /) Return value-self. __rtruediv__(self, value, /) Return value/self. __rxor__(self, value, /) Return value^self. __str__(self, /) Return str(self). __sub__(self, value, /) Return self-value. __truediv__(self, value, /) Return self/value. __xor__(self, value, /) Return self^value. Data descriptors inherited from integer: denominator denominator of value (1) numerator numerator of value (the value itself) Methods inherited from generic: __array__(...) sc.__array__(dtype) return 0-dim array from scalar with specified dtype __array_wrap__(...) sc.__array_wrap__(obj) return scalar from array __copy__(...) __deepcopy__(...) __format__(...) NumPy array scalar formatter __getitem__(self, key, /) Return self[key]. __reduce__(...) helper for pickle __round__(...) __setstate__(...) __sizeof__(...) __sizeof__() -> int size of object in memory, in bytes all(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. any(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmax(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmin(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argsort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. astype(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. byteswap(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. choose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. clip(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. compress(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. conj(...) conjugate(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. copy(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumprod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumsum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. diagonal(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dump(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dumps(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. fill(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. flatten(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. getfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. item(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. itemset(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. max(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. mean(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. min(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. newbyteorder(...) newbyteorder(new_order='S')   Return a new `dtype` with a different byte order.   Changes are also made in all fields and sub-arrays of the data type.   The `new_order` code can be any from the following:   * 'S' - swap dtype from current to opposite endian * {'<', 'L'} - little endian * {'>', 'B'} - big endian * {'=', 'N'} - native order * {'|', 'I'} - ignore (no change to byte order)   Parameters ---------- new_order : str, optional     Byte order to force; a value from the byte order specifications     above.  The default value ('S') results in swapping the current     byte order. The code does a case-insensitive check on the first     letter of `new_order` for the alternatives above.  For example,     any of 'B' or 'b' or 'biggish' are valid to specify big-endian.     Returns ------- new_dtype : dtype     New `dtype` object with the given change to the byte order. nonzero(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. prod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ptp(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. put(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ravel(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. repeat(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. reshape(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. resize(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. round(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. searchsorted(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setflags(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. squeeze(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. std(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. swapaxes(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. take(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tobytes(...) tofile(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tolist(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tostring(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. trace(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. transpose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. var(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. view(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. Data descriptors inherited from generic: T transpose __array_interface__ Array protocol: Python side __array_priority__ Array priority. __array_struct__ Array protocol: struct base base object data pointer to start of data dtype get array data-descriptor flags integer value of flags flat a 1-d view of scalar imag imaginary part of scalar itemsize length of one element in bytes nbytes length of item in bytes ndim number of array dimensions real real part of scalar shape tuple of array dimensions size number of elements in the gentype strides tuple of bytes steps in each dimension   long = class int(object)     int(x=0) -> integer int(x, base=10) -> integer   Convert a number or string to an integer, or return 0 if no arguments are given.  If x is a number, return x.__int__().  For floating point numbers, this truncates towards zero.   If x is not a number or if base is given, then x must be a string, bytes, or bytearray instance representing an integer literal in the given base.  The literal can be preceded by '+' or '-' and be surrounded by whitespace.  The base defaults to 10.  Valid bases are 0 and 2-36. Base 0 means to interpret the base from the string as an integer literal. >>> int('0b100', base=0) 4     Methods defined here: __abs__(self, /) abs(self) __add__(self, value, /) Return self+value. __and__(self, value, /) Return self&value. __bool__(self, /) self != 0 __ceil__(...) Ceiling of an Integral returns itself. __divmod__(self, value, /) Return divmod(self, value). __eq__(self, value, /) Return self==value. __float__(self, /) float(self) __floor__(...) Flooring an Integral returns itself. __floordiv__(self, value, /) Return self//value. __format__(...) default object formatter __ge__(self, value, /) Return self>=value. __getattribute__(self, name, /) Return getattr(self, name). __getnewargs__(...) __gt__(self, value, /) Return self>value. __hash__(self, /) Return hash(self). __index__(self, /) Return self converted to an integer, if self is suitable for use as an index into a list. __int__(self, /) int(self) __invert__(self, /) ~self __le__(self, value, /) Return self<=value. __lshift__(self, value, /) Return self<<value. __lt__(self, value, /) Return self<value. __mod__(self, value, /) Return self%value. __mul__(self, value, /) Return self*value. __ne__(self, value, /) Return self!=value. __neg__(self, /) -self __new__(*args, **kwargs) from builtins.type Create and return a new object.  See help(type) for accurate signature. __or__(self, value, /) Return self|value. __pos__(self, /) +self __pow__(self, value, mod=None, /) Return pow(self, value, mod). __radd__(self, value, /) Return value+self. __rand__(self, value, /) Return value&self. __rdivmod__(self, value, /) Return divmod(value, self). __repr__(self, /) Return repr(self). __rfloordiv__(self, value, /) Return value//self. __rlshift__(self, value, /) Return value<<self. __rmod__(self, value, /) Return value%self. __rmul__(self, value, /) Return value*self. __ror__(self, value, /) Return value|self. __round__(...) Rounding an Integral returns itself. Rounding with an ndigits argument also returns an integer. __rpow__(self, value, mod=None, /) Return pow(value, self, mod). __rrshift__(self, value, /) Return value>>self. __rshift__(self, value, /) Return self>>value. __rsub__(self, value, /) Return value-self. __rtruediv__(self, value, /) Return value/self. __rxor__(self, value, /) Return value^self. __sizeof__(...) Returns size in memory, in bytes __str__(self, /) Return str(self). __sub__(self, value, /) Return self-value. __truediv__(self, value, /) Return self/value. __trunc__(...) Truncating an Integral returns itself. __xor__(self, value, /) Return self^value. bit_length(...) int.bit_length() -> int   Number of bits necessary to represent self in binary. >>> bin(37) '0b100101' >>> (37).bit_length() 6 conjugate(...) Returns self, the complex conjugate of any int. from_bytes(...) from builtins.type int.from_bytes(bytes, byteorder, *, signed=False) -> int   Return the integer represented by the given array of bytes.   The bytes argument must be a bytes-like object (e.g. bytes or bytearray).   The byteorder argument determines the byte order used to represent the integer.  If byteorder is 'big', the most significant byte is at the beginning of the byte array.  If byteorder is 'little', the most significant byte is at the end of the byte array.  To request the native byte order of the host system, use `sys.byteorder' as the byte order value.   The signed keyword-only argument indicates whether two's complement is used to represent the integer. to_bytes(...) int.to_bytes(length, byteorder, *, signed=False) -> bytes   Return an array of bytes representing an integer.   The integer is represented using length bytes.  An OverflowError is raised if the integer is not representable with the given number of bytes.   The byteorder argument determines the byte order used to represent the integer.  If byteorder is 'big', the most significant byte is at the beginning of the byte array.  If byteorder is 'little', the most significant byte is at the end of the byte array.  To request the native byte order of the host system, use `sys.byteorder' as the byte order value.   The signed keyword-only argument determines whether two's complement is used to represent the integer.  If signed is False and a negative integer is given, an OverflowError is raised. Data descriptors defined here: denominator the denominator of a rational number in lowest terms imag the imaginary part of a complex number numerator the numerator of a rational number in lowest terms real the real part of a complex number   longcomplex = class complex128(complexfloating)     Composed of two 64 bit floats     Method resolution order: complex128 complexfloating inexact number generic builtins.object Methods defined here: __complex__(...) __eq__(self, value, /) Return self==value. __float__(self, /) float(self) __ge__(self, value, /) Return self>=value. __gt__(self, value, /) Return self>value. __hash__(self, /) Return hash(self). __int__(self, /) int(self) __le__(self, value, /) Return self<=value. __lt__(self, value, /) Return self<value. __ne__(self, value, /) Return self!=value. __new__(*args, **kwargs) from builtins.type Create and return a new object.  See help(type) for accurate signature. __repr__(self, /) Return repr(self). __str__(self, /) Return str(self). Methods inherited from generic: __abs__(self, /) abs(self) __add__(self, value, /) Return self+value. __and__(self, value, /) Return self&value. __array__(...) sc.__array__(dtype) return 0-dim array from scalar with specified dtype __array_wrap__(...) sc.__array_wrap__(obj) return scalar from array __bool__(self, /) self != 0 __copy__(...) __deepcopy__(...) __divmod__(self, value, /) Return divmod(self, value). __floordiv__(self, value, /) Return self//value. __format__(...) NumPy array scalar formatter __getitem__(self, key, /) Return self[key]. __invert__(self, /) ~self __lshift__(self, value, /) Return self<<value. __mod__(self, value, /) Return self%value. __mul__(self, value, /) Return self*value. __neg__(self, /) -self __or__(self, value, /) Return self|value. __pos__(self, /) +self __pow__(self, value, mod=None, /) Return pow(self, value, mod). __radd__(self, value, /) Return value+self. __rand__(self, value, /) Return value&self. __rdivmod__(self, value, /) Return divmod(value, self). __reduce__(...) helper for pickle __rfloordiv__(self, value, /) Return value//self. __rlshift__(self, value, /) Return value<<self. __rmod__(self, value, /) Return value%self. __rmul__(self, value, /) Return value*self. __ror__(self, value, /) Return value|self. __round__(...) __rpow__(self, value, mod=None, /) Return pow(value, self, mod). __rrshift__(self, value, /) Return value>>self. __rshift__(self, value, /) Return self>>value. __rsub__(self, value, /) Return value-self. __rtruediv__(self, value, /) Return value/self. __rxor__(self, value, /) Return value^self. __setstate__(...) __sizeof__(...) __sizeof__() -> int size of object in memory, in bytes __sub__(self, value, /) Return self-value. __truediv__(self, value, /) Return self/value. __xor__(self, value, /) Return self^value. all(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. any(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmax(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmin(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argsort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. astype(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. byteswap(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. choose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. clip(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. compress(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. conj(...) conjugate(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. copy(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumprod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumsum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. diagonal(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dump(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dumps(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. fill(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. flatten(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. getfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. item(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. itemset(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. max(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. mean(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. min(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. newbyteorder(...) newbyteorder(new_order='S')   Return a new `dtype` with a different byte order.   Changes are also made in all fields and sub-arrays of the data type.   The `new_order` code can be any from the following:   * 'S' - swap dtype from current to opposite endian * {'<', 'L'} - little endian * {'>', 'B'} - big endian * {'=', 'N'} - native order * {'|', 'I'} - ignore (no change to byte order)   Parameters ---------- new_order : str, optional     Byte order to force; a value from the byte order specifications     above.  The default value ('S') results in swapping the current     byte order. The code does a case-insensitive check on the first     letter of `new_order` for the alternatives above.  For example,     any of 'B' or 'b' or 'biggish' are valid to specify big-endian.     Returns ------- new_dtype : dtype     New `dtype` object with the given change to the byte order. nonzero(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. prod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ptp(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. put(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ravel(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. repeat(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. reshape(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. resize(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. round(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. searchsorted(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setflags(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. squeeze(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. std(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. swapaxes(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. take(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tobytes(...) tofile(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tolist(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tostring(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. trace(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. transpose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. var(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. view(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. Data descriptors inherited from generic: T transpose __array_interface__ Array protocol: Python side __array_priority__ Array priority. __array_struct__ Array protocol: struct base base object data pointer to start of data dtype get array data-descriptor flags integer value of flags flat a 1-d view of scalar imag imaginary part of scalar itemsize length of one element in bytes nbytes length of item in bytes ndim number of array dimensions real real part of scalar shape tuple of array dimensions size number of elements in the gentype strides tuple of bytes steps in each dimension   longdouble = class float64(floating)     Base class for numpy scalar types.   Class from which most (all?) numpy scalar types are derived.  For consistency, exposes the same API as `ndarray`, despite many consequent attributes being either "get-only," or completely irrelevant. This is the class from which it is strongly suggested users should derive custom scalar types.     Method resolution order: float64 floating inexact number generic builtins.object Methods defined here: __eq__(self, value, /) Return self==value. __float__(self, /) float(self) __ge__(self, value, /) Return self>=value. __gt__(self, value, /) Return self>value. __hash__(self, /) Return hash(self). __int__(self, /) int(self) __le__(self, value, /) Return self<=value. __lt__(self, value, /) Return self<value. __ne__(self, value, /) Return self!=value. __new__(*args, **kwargs) from builtins.type Create and return a new object.  See help(type) for accurate signature. __repr__(self, /) Return repr(self). __str__(self, /) Return str(self). Methods inherited from generic: __abs__(self, /) abs(self) __add__(self, value, /) Return self+value. __and__(self, value, /) Return self&value. __array__(...) sc.__array__(dtype) return 0-dim array from scalar with specified dtype __array_wrap__(...) sc.__array_wrap__(obj) return scalar from array __bool__(self, /) self != 0 __copy__(...) __deepcopy__(...) __divmod__(self, value, /) Return divmod(self, value). __floordiv__(self, value, /) Return self//value. __format__(...) NumPy array scalar formatter __getitem__(self, key, /) Return self[key]. __invert__(self, /) ~self __lshift__(self, value, /) Return self<<value. __mod__(self, value, /) Return self%value. __mul__(self, value, /) Return self*value. __neg__(self, /) -self __or__(self, value, /) Return self|value. __pos__(self, /) +self __pow__(self, value, mod=None, /) Return pow(self, value, mod). __radd__(self, value, /) Return value+self. __rand__(self, value, /) Return value&self. __rdivmod__(self, value, /) Return divmod(value, self). __reduce__(...) helper for pickle __rfloordiv__(self, value, /) Return value//self. __rlshift__(self, value, /) Return value<<self. __rmod__(self, value, /) Return value%self. __rmul__(self, value, /) Return value*self. __ror__(self, value, /) Return value|self. __round__(...) __rpow__(self, value, mod=None, /) Return pow(value, self, mod). __rrshift__(self, value, /) Return value>>self. __rshift__(self, value, /) Return self>>value. __rsub__(self, value, /) Return value-self. __rtruediv__(self, value, /) Return value/self. __rxor__(self, value, /) Return value^self. __setstate__(...) __sizeof__(...) __sizeof__() -> int size of object in memory, in bytes __sub__(self, value, /) Return self-value. __truediv__(self, value, /) Return self/value. __xor__(self, value, /) Return self^value. all(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. any(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmax(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmin(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argsort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. astype(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. byteswap(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. choose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. clip(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. compress(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. conj(...) conjugate(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. copy(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumprod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumsum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. diagonal(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dump(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dumps(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. fill(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. flatten(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. getfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. item(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. itemset(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. max(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. mean(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. min(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. newbyteorder(...) newbyteorder(new_order='S')   Return a new `dtype` with a different byte order.   Changes are also made in all fields and sub-arrays of the data type.   The `new_order` code can be any from the following:   * 'S' - swap dtype from current to opposite endian * {'<', 'L'} - little endian * {'>', 'B'} - big endian * {'=', 'N'} - native order * {'|', 'I'} - ignore (no change to byte order)   Parameters ---------- new_order : str, optional     Byte order to force; a value from the byte order specifications     above.  The default value ('S') results in swapping the current     byte order. The code does a case-insensitive check on the first     letter of `new_order` for the alternatives above.  For example,     any of 'B' or 'b' or 'biggish' are valid to specify big-endian.     Returns ------- new_dtype : dtype     New `dtype` object with the given change to the byte order. nonzero(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. prod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ptp(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. put(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ravel(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. repeat(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. reshape(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. resize(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. round(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. searchsorted(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setflags(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. squeeze(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. std(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. swapaxes(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. take(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tobytes(...) tofile(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tolist(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tostring(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. trace(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. transpose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. var(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. view(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. Data descriptors inherited from generic: T transpose __array_interface__ Array protocol: Python side __array_priority__ Array priority. __array_struct__ Array protocol: struct base base object data pointer to start of data dtype get array data-descriptor flags integer value of flags flat a 1-d view of scalar imag imaginary part of scalar itemsize length of one element in bytes nbytes length of item in bytes ndim number of array dimensions real real part of scalar shape tuple of array dimensions size number of elements in the gentype strides tuple of bytes steps in each dimension   longfloat = class float64(floating)     Base class for numpy scalar types.   Class from which most (all?) numpy scalar types are derived.  For consistency, exposes the same API as `ndarray`, despite many consequent attributes being either "get-only," or completely irrelevant. This is the class from which it is strongly suggested users should derive custom scalar types.     Method resolution order: float64 floating inexact number generic builtins.object Methods defined here: __eq__(self, value, /) Return self==value. __float__(self, /) float(self) __ge__(self, value, /) Return self>=value. __gt__(self, value, /) Return self>value. __hash__(self, /) Return hash(self). __int__(self, /) int(self) __le__(self, value, /) Return self<=value. __lt__(self, value, /) Return self<value. __ne__(self, value, /) Return self!=value. __new__(*args, **kwargs) from builtins.type Create and return a new object.  See help(type) for accurate signature. __repr__(self, /) Return repr(self). __str__(self, /) Return str(self). Methods inherited from generic: __abs__(self, /) abs(self) __add__(self, value, /) Return self+value. __and__(self, value, /) Return self&value. __array__(...) sc.__array__(dtype) return 0-dim array from scalar with specified dtype __array_wrap__(...) sc.__array_wrap__(obj) return scalar from array __bool__(self, /) self != 0 __copy__(...) __deepcopy__(...) __divmod__(self, value, /) Return divmod(self, value). __floordiv__(self, value, /) Return self//value. __format__(...) NumPy array scalar formatter __getitem__(self, key, /) Return self[key]. __invert__(self, /) ~self __lshift__(self, value, /) Return self<<value. __mod__(self, value, /) Return self%value. __mul__(self, value, /) Return self*value. __neg__(self, /) -self __or__(self, value, /) Return self|value. __pos__(self, /) +self __pow__(self, value, mod=None, /) Return pow(self, value, mod). __radd__(self, value, /) Return value+self. __rand__(self, value, /) Return value&self. __rdivmod__(self, value, /) Return divmod(value, self). __reduce__(...) helper for pickle __rfloordiv__(self, value, /) Return value//self. __rlshift__(self, value, /) Return value<<self. __rmod__(self, value, /) Return value%self. __rmul__(self, value, /) Return value*self. __ror__(self, value, /) Return value|self. __round__(...) __rpow__(self, value, mod=None, /) Return pow(value, self, mod). __rrshift__(self, value, /) Return value>>self. __rshift__(self, value, /) Return self>>value. __rsub__(self, value, /) Return value-self. __rtruediv__(self, value, /) Return value/self. __rxor__(self, value, /) Return value^self. __setstate__(...) __sizeof__(...) __sizeof__() -> int size of object in memory, in bytes __sub__(self, value, /) Return self-value. __truediv__(self, value, /) Return self/value. __xor__(self, value, /) Return self^value. all(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. any(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmax(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmin(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argsort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. astype(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. byteswap(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. choose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. clip(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. compress(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. conj(...) conjugate(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. copy(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumprod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumsum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. diagonal(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dump(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dumps(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. fill(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. flatten(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. getfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. item(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. itemset(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. max(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. mean(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. min(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. newbyteorder(...) newbyteorder(new_order='S')   Return a new `dtype` with a different byte order.   Changes are also made in all fields and sub-arrays of the data type.   The `new_order` code can be any from the following:   * 'S' - swap dtype from current to opposite endian * {'<', 'L'} - little endian * {'>', 'B'} - big endian * {'=', 'N'} - native order * {'|', 'I'} - ignore (no change to byte order)   Parameters ---------- new_order : str, optional     Byte order to force; a value from the byte order specifications     above.  The default value ('S') results in swapping the current     byte order. The code does a case-insensitive check on the first     letter of `new_order` for the alternatives above.  For example,     any of 'B' or 'b' or 'biggish' are valid to specify big-endian.     Returns ------- new_dtype : dtype     New `dtype` object with the given change to the byte order. nonzero(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. prod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ptp(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. put(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ravel(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. repeat(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. reshape(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. resize(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. round(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. searchsorted(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setflags(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. squeeze(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. std(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. swapaxes(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. take(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tobytes(...) tofile(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tolist(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tostring(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. trace(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. transpose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. var(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. view(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. Data descriptors inherited from generic: T transpose __array_interface__ Array protocol: Python side __array_priority__ Array priority. __array_struct__ Array protocol: struct base base object data pointer to start of data dtype get array data-descriptor flags integer value of flags flat a 1-d view of scalar imag imaginary part of scalar itemsize length of one element in bytes nbytes length of item in bytes ndim number of array dimensions real real part of scalar shape tuple of array dimensions size number of elements in the gentype strides tuple of bytes steps in each dimension   longlong = class int64(signedinteger)     64-bit integer. Character code 'l'. Python int compatible.     Method resolution order: int64 signedinteger integer number generic builtins.object Methods defined here: __abs__(self, /) abs(self) __add__(self, value, /) Return self+value. __and__(self, value, /) Return self&value. __bool__(self, /) self != 0 __divmod__(self, value, /) Return divmod(self, value). __eq__(self, value, /) Return self==value. __float__(self, /) float(self) __floordiv__(self, value, /) Return self//value. __ge__(self, value, /) Return self>=value. __gt__(self, value, /) Return self>value. __hash__(self, /) Return hash(self). __index__(self, /) Return self converted to an integer, if self is suitable for use as an index into a list. __int__(self, /) int(self) __invert__(self, /) ~self __le__(self, value, /) Return self<=value. __lshift__(self, value, /) Return self<<value. __lt__(self, value, /) Return self<value. __mod__(self, value, /) Return self%value. __mul__(self, value, /) Return self*value. __ne__(self, value, /) Return self!=value. __neg__(self, /) -self __new__(*args, **kwargs) from builtins.type Create and return a new object.  See help(type) for accurate signature. __or__(self, value, /) Return self|value. __pos__(self, /) +self __pow__(self, value, mod=None, /) Return pow(self, value, mod). __radd__(self, value, /) Return value+self. __rand__(self, value, /) Return value&self. __rdivmod__(self, value, /) Return divmod(value, self). __repr__(self, /) Return repr(self). __rfloordiv__(self, value, /) Return value//self. __rlshift__(self, value, /) Return value<<self. __rmod__(self, value, /) Return value%self. __rmul__(self, value, /) Return value*self. __ror__(self, value, /) Return value|self. __rpow__(self, value, mod=None, /) Return pow(value, self, mod). __rrshift__(self, value, /) Return value>>self. __rshift__(self, value, /) Return self>>value. __rsub__(self, value, /) Return value-self. __rtruediv__(self, value, /) Return value/self. __rxor__(self, value, /) Return value^self. __str__(self, /) Return str(self). __sub__(self, value, /) Return self-value. __truediv__(self, value, /) Return self/value. __xor__(self, value, /) Return self^value. Data descriptors inherited from integer: denominator denominator of value (1) numerator numerator of value (the value itself) Methods inherited from generic: __array__(...) sc.__array__(dtype) return 0-dim array from scalar with specified dtype __array_wrap__(...) sc.__array_wrap__(obj) return scalar from array __copy__(...) __deepcopy__(...) __format__(...) NumPy array scalar formatter __getitem__(self, key, /) Return self[key]. __reduce__(...) helper for pickle __round__(...) __setstate__(...) __sizeof__(...) __sizeof__() -> int size of object in memory, in bytes all(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. any(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmax(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmin(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argsort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. astype(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. byteswap(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. choose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. clip(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. compress(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. conj(...) conjugate(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. copy(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumprod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumsum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. diagonal(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dump(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dumps(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. fill(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. flatten(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. getfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. item(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. itemset(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. max(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. mean(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. min(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. newbyteorder(...) newbyteorder(new_order='S')   Return a new `dtype` with a different byte order.   Changes are also made in all fields and sub-arrays of the data type.   The `new_order` code can be any from the following:   * 'S' - swap dtype from current to opposite endian * {'<', 'L'} - little endian * {'>', 'B'} - big endian * {'=', 'N'} - native order * {'|', 'I'} - ignore (no change to byte order)   Parameters ---------- new_order : str, optional     Byte order to force; a value from the byte order specifications     above.  The default value ('S') results in swapping the current     byte order. The code does a case-insensitive check on the first     letter of `new_order` for the alternatives above.  For example,     any of 'B' or 'b' or 'biggish' are valid to specify big-endian.     Returns ------- new_dtype : dtype     New `dtype` object with the given change to the byte order. nonzero(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. prod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ptp(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. put(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ravel(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. repeat(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. reshape(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. resize(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. round(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. searchsorted(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setflags(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. squeeze(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. std(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. swapaxes(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. take(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tobytes(...) tofile(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tolist(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tostring(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. trace(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. transpose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. var(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. view(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. Data descriptors inherited from generic: T transpose __array_interface__ Array protocol: Python side __array_priority__ Array priority. __array_struct__ Array protocol: struct base base object data pointer to start of data dtype get array data-descriptor flags integer value of flags flat a 1-d view of scalar imag imaginary part of scalar itemsize length of one element in bytes nbytes length of item in bytes ndim number of array dimensions real real part of scalar shape tuple of array dimensions size number of elements in the gentype strides tuple of bytes steps in each dimension   class matrix(numpy.ndarray)     matrix(data, dtype=None, copy=True)   .. note:: It is no longer recommended to use this class, even for linear           algebra. Instead use regular arrays. The class may be removed           in the future.   Returns a matrix from an array-like object, or from a string of data. A matrix is a specialized 2-D array that retains its 2-D nature through operations.  It has certain special operators, such as ``*`` (matrix multiplication) and ``**`` (matrix power).   Parameters ---------- data : array_like or string    If `data` is a string, it is interpreted as a matrix with commas    or spaces separating columns, and semicolons separating rows. dtype : data-type    Data-type of the output matrix. copy : bool    If `data` is already an `ndarray`, then this flag determines    whether the data is copied (the default), or whether a view is    constructed.   See Also -------- array   Examples -------- >>> a = np.matrix('1 2; 3 4') >>> print(a) [[1 2]  [3 4]]   >>> np.matrix([[1, 2], [3, 4]]) matrix([[1, 2],         [3, 4]])     Method resolution order: matrix numpy.ndarray builtins.object Methods defined here: __array_finalize__(self, obj) None. __getitem__(self, index) Return self[key]. __imul__(self, other) Return self*=value. __ipow__(self, other) Return self**=value. __mul__(self, other) Return self*value. __pow__(self, other) Return pow(self, value, mod). __rmul__(self, other) Return value*self. __rpow__(self, other) Return pow(value, self, mod). all(self, axis=None, out=None) Test whether all matrix elements along a given axis evaluate to True.   Parameters ---------- See `numpy.all` for complete descriptions   See Also -------- numpy.all   Notes ----- This is the same as `ndarray.all`, but it returns a `matrix` object.   Examples -------- >>> x = np.matrix(np.arange(12).reshape((3,4))); x matrix([[ 0,  1,  2,  3],         [ 4,  5,  6,  7],         [ 8,  9, 10, 11]]) >>> y = x[0]; y matrix([[0, 1, 2, 3]]) >>> (x == y) matrix([[ True,  True,  True,  True],         [False, False, False, False],         [False, False, False, False]]) >>> (x == y).all() False >>> (x == y).all(0) matrix([[False, False, False, False]]) >>> (x == y).all(1) matrix([[ True],         [False],         [False]]) any(self, axis=None, out=None) Test whether any array element along a given axis evaluates to True.   Refer to `numpy.any` for full documentation.   Parameters ---------- axis : int, optional     Axis along which logical OR is performed out : ndarray, optional     Output to existing array instead of creating new one, must have     same shape as expected output   Returns -------     any : bool, ndarray         Returns a single bool if `axis` is ``None``; otherwise,         returns `ndarray` argmax(self, axis=None, out=None) Indexes of the maximum values along an axis.   Return the indexes of the first occurrences of the maximum values along the specified axis.  If axis is None, the index is for the flattened matrix.   Parameters ---------- See `numpy.argmax` for complete descriptions   See Also -------- numpy.argmax   Notes ----- This is the same as `ndarray.argmax`, but returns a `matrix` object where `ndarray.argmax` would return an `ndarray`.   Examples -------- >>> x = np.matrix(np.arange(12).reshape((3,4))); x matrix([[ 0,  1,  2,  3],         [ 4,  5,  6,  7],         [ 8,  9, 10, 11]]) >>> x.argmax() 11 >>> x.argmax(0) matrix([[2, 2, 2, 2]]) >>> x.argmax(1) matrix([[3],         [3],         [3]]) argmin(self, axis=None, out=None) Indexes of the minimum values along an axis.   Return the indexes of the first occurrences of the minimum values along the specified axis.  If axis is None, the index is for the flattened matrix.   Parameters ---------- See `numpy.argmin` for complete descriptions.   See Also -------- numpy.argmin   Notes ----- This is the same as `ndarray.argmin`, but returns a `matrix` object where `ndarray.argmin` would return an `ndarray`.   Examples -------- >>> x = -np.matrix(np.arange(12).reshape((3,4))); x matrix([[  0,  -1,  -2,  -3],         [ -4,  -5,  -6,  -7],         [ -8,  -9, -10, -11]]) >>> x.argmin() 11 >>> x.argmin(0) matrix([[2, 2, 2, 2]]) >>> x.argmin(1) matrix([[3],         [3],         [3]]) flatten(self, order='C') Return a flattened copy of the matrix.   All `N` elements of the matrix are placed into a single row.   Parameters ---------- order : {'C', 'F', 'A', 'K'}, optional     'C' means to flatten in row-major (C-style) order. 'F' means to     flatten in column-major (Fortran-style) order. 'A' means to     flatten in column-major order if `m` is Fortran *contiguous* in     memory, row-major order otherwise. 'K' means to flatten `m` in     the order the elements occur in memory. The default is 'C'.   Returns ------- y : matrix     A copy of the matrix, flattened to a `(1, N)` matrix where `N`     is the number of elements in the original matrix.   See Also -------- ravel : Return a flattened array. flat : A 1-D flat iterator over the matrix.   Examples -------- >>> m = np.matrix([[1,2], [3,4]]) >>> m.flatten() matrix([[1, 2, 3, 4]]) >>> m.flatten('F') matrix([[1, 3, 2, 4]]) getA(self) Return `self` as an `ndarray` object.   Equivalent to ``np.asarray(self)``.   Parameters ---------- None   Returns ------- ret : ndarray     `self` as an `ndarray`   Examples -------- >>> x = np.matrix(np.arange(12).reshape((3,4))); x matrix([[ 0,  1,  2,  3],         [ 4,  5,  6,  7],         [ 8,  9, 10, 11]]) >>> x.getA() array([[ 0,  1,  2,  3],        [ 4,  5,  6,  7],        [ 8,  9, 10, 11]]) getA1(self) Return `self` as a flattened `ndarray`.   Equivalent to ``np.asarray(x).ravel()``   Parameters ---------- None   Returns ------- ret : ndarray     `self`, 1-D, as an `ndarray`   Examples -------- >>> x = np.matrix(np.arange(12).reshape((3,4))); x matrix([[ 0,  1,  2,  3],         [ 4,  5,  6,  7],         [ 8,  9, 10, 11]]) >>> x.getA1() array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11]) getH(self) Returns the (complex) conjugate transpose of `self`.   Equivalent to ``np.transpose(self)`` if `self` is real-valued.   Parameters ---------- None   Returns ------- ret : matrix object     complex conjugate transpose of `self`   Examples -------- >>> x = np.matrix(np.arange(12).reshape((3,4))) >>> z = x - 1j*x; z matrix([[  0. +0.j,   1. -1.j,   2. -2.j,   3. -3.j],         [  4. -4.j,   5. -5.j,   6. -6.j,   7. -7.j],         [  8. -8.j,   9. -9.j,  10.-10.j,  11.-11.j]]) >>> z.getH() matrix([[  0. +0.j,   4. +4.j,   8. +8.j],         [  1. +1.j,   5. +5.j,   9. +9.j],         [  2. +2.j,   6. +6.j,  10.+10.j],         [  3. +3.j,   7. +7.j,  11.+11.j]]) getI(self) Returns the (multiplicative) inverse of invertible `self`.   Parameters ---------- None   Returns ------- ret : matrix object     If `self` is non-singular, `ret` is such that ``ret * self`` ==     ``self * ret`` == ``np.matrix(np.eye(self[0,:].size)`` all return     ``True``.   Raises ------ numpy.linalg.LinAlgError: Singular matrix     If `self` is singular.   See Also -------- linalg.inv   Examples -------- >>> m = np.matrix('[1, 2; 3, 4]'); m matrix([[1, 2],         [3, 4]]) >>> m.getI() matrix([[-2. ,  1. ],         [ 1.5, -0.5]]) >>> m.getI() * m matrix([[ 1.,  0.],         [ 0.,  1.]]) getT(self) Returns the transpose of the matrix.   Does *not* conjugate!  For the complex conjugate transpose, use ``.H``.   Parameters ---------- None   Returns ------- ret : matrix object     The (non-conjugated) transpose of the matrix.   See Also -------- transpose, getH   Examples -------- >>> m = np.matrix('[1, 2; 3, 4]') >>> m matrix([[1, 2],         [3, 4]]) >>> m.getT() matrix([[1, 3],         [2, 4]]) max(self, axis=None, out=None) Return the maximum value along an axis.   Parameters ---------- See `amax` for complete descriptions   See Also -------- amax, ndarray.max   Notes ----- This is the same as `ndarray.max`, but returns a `matrix` object where `ndarray.max` would return an ndarray.   Examples -------- >>> x = np.matrix(np.arange(12).reshape((3,4))); x matrix([[ 0,  1,  2,  3],         [ 4,  5,  6,  7],         [ 8,  9, 10, 11]]) >>> x.max() 11 >>> x.max(0) matrix([[ 8,  9, 10, 11]]) >>> x.max(1) matrix([[ 3],         [ 7],         [11]]) mean(self, axis=None, dtype=None, out=None) Returns the average of the matrix elements along the given axis.   Refer to `numpy.mean` for full documentation.   See Also -------- numpy.mean   Notes ----- Same as `ndarray.mean` except that, where that returns an `ndarray`, this returns a `matrix` object.   Examples -------- >>> x = np.matrix(np.arange(12).reshape((3, 4))) >>> x matrix([[ 0,  1,  2,  3],         [ 4,  5,  6,  7],         [ 8,  9, 10, 11]]) >>> x.mean() 5.5 >>> x.mean(0) matrix([[ 4.,  5.,  6.,  7.]]) >>> x.mean(1) matrix([[ 1.5],         [ 5.5],         [ 9.5]]) min(self, axis=None, out=None) Return the minimum value along an axis.   Parameters ---------- See `amin` for complete descriptions.   See Also -------- amin, ndarray.min   Notes ----- This is the same as `ndarray.min`, but returns a `matrix` object where `ndarray.min` would return an ndarray.   Examples -------- >>> x = -np.matrix(np.arange(12).reshape((3,4))); x matrix([[  0,  -1,  -2,  -3],         [ -4,  -5,  -6,  -7],         [ -8,  -9, -10, -11]]) >>> x.min() -11 >>> x.min(0) matrix([[ -8,  -9, -10, -11]]) >>> x.min(1) matrix([[ -3],         [ -7],         [-11]]) prod(self, axis=None, dtype=None, out=None) Return the product of the array elements over the given axis.   Refer to `prod` for full documentation.   See Also -------- prod, ndarray.prod   Notes ----- Same as `ndarray.prod`, except, where that returns an `ndarray`, this returns a `matrix` object instead.   Examples -------- >>> x = np.matrix(np.arange(12).reshape((3,4))); x matrix([[ 0,  1,  2,  3],         [ 4,  5,  6,  7],         [ 8,  9, 10, 11]]) >>> x.prod() 0 >>> x.prod(0) matrix([[  0,  45, 120, 231]]) >>> x.prod(1) matrix([[   0],         [ 840],         [7920]]) ptp(self, axis=None, out=None) Peak-to-peak (maximum - minimum) value along the given axis.   Refer to `numpy.ptp` for full documentation.   See Also -------- numpy.ptp   Notes ----- Same as `ndarray.ptp`, except, where that would return an `ndarray` object, this returns a `matrix` object.   Examples -------- >>> x = np.matrix(np.arange(12).reshape((3,4))); x matrix([[ 0,  1,  2,  3],         [ 4,  5,  6,  7],         [ 8,  9, 10, 11]]) >>> x.ptp() 11 >>> x.ptp(0) matrix([[8, 8, 8, 8]]) >>> x.ptp(1) matrix([[3],         [3],         [3]]) ravel(self, order='C') Return a flattened matrix.   Refer to `numpy.ravel` for more documentation.   Parameters ---------- order : {'C', 'F', 'A', 'K'}, optional     The elements of `m` are read using this index order. 'C' means to     index the elements in C-like order, with the last axis index     changing fastest, back to the first axis index changing slowest.     'F' means to index the elements in Fortran-like index order, with     the first index changing fastest, and the last index changing     slowest. Note that the 'C' and 'F' options take no account of the     memory layout of the underlying array, and only refer to the order     of axis indexing.  'A' means to read the elements in Fortran-like     index order if `m` is Fortran *contiguous* in memory, C-like order     otherwise.  'K' means to read the elements in the order they occur     in memory, except for reversing the data when strides are negative.     By default, 'C' index order is used.   Returns ------- ret : matrix     Return the matrix flattened to shape `(1, N)` where `N`     is the number of elements in the original matrix.     A copy is made only if necessary.   See Also -------- matrix.flatten : returns a similar output matrix but always a copy matrix.flat : a flat iterator on the array. numpy.ravel : related function which returns an ndarray squeeze(self, axis=None) Return a possibly reshaped matrix.   Refer to `numpy.squeeze` for more documentation.   Parameters ---------- axis : None or int or tuple of ints, optional     Selects a subset of the single-dimensional entries in the shape.     If an axis is selected with shape entry greater than one,     an error is raised.   Returns ------- squeezed : matrix     The matrix, but as a (1, N) matrix if it had shape (N, 1).   See Also -------- numpy.squeeze : related function   Notes ----- If `m` has a single column then that column is returned as the single row of a matrix.  Otherwise `m` is returned. The returned matrix is always either `m` itself or a view into `m`. Supplying an axis keyword argument will not affect the returned matrix but it may cause an error to be raised.   Examples -------- >>> c = np.matrix([[1], [2]]) >>> c matrix([[1],         [2]]) >>> c.squeeze() matrix([[1, 2]]) >>> r = c.T >>> r matrix([[1, 2]]) >>> r.squeeze() matrix([[1, 2]]) >>> m = np.matrix([[1, 2], [3, 4]]) >>> m.squeeze() matrix([[1, 2],         [3, 4]]) std(self, axis=None, dtype=None, out=None, ddof=0) Return the standard deviation of the array elements along the given axis.   Refer to `numpy.std` for full documentation.   See Also -------- numpy.std   Notes ----- This is the same as `ndarray.std`, except that where an `ndarray` would be returned, a `matrix` object is returned instead.   Examples -------- >>> x = np.matrix(np.arange(12).reshape((3, 4))) >>> x matrix([[ 0,  1,  2,  3],         [ 4,  5,  6,  7],         [ 8,  9, 10, 11]]) >>> x.std() 3.4520525295346629 >>> x.std(0) matrix([[ 3.26598632,  3.26598632,  3.26598632,  3.26598632]]) >>> x.std(1) matrix([[ 1.11803399],         [ 1.11803399],         [ 1.11803399]]) sum(self, axis=None, dtype=None, out=None) Returns the sum of the matrix elements, along the given axis.   Refer to `numpy.sum` for full documentation.   See Also -------- numpy.sum   Notes ----- This is the same as `ndarray.sum`, except that where an `ndarray` would be returned, a `matrix` object is returned instead.   Examples -------- >>> x = np.matrix([[1, 2], [4, 3]]) >>> x.sum() 10 >>> x.sum(axis=1) matrix([[3],         [7]]) >>> x.sum(axis=1, dtype='float') matrix([[ 3.],         [ 7.]]) >>> out = np.zeros((1, 2), dtype='float') >>> x.sum(axis=1, dtype='float', out=out) matrix([[ 3.],         [ 7.]]) tolist(self) Return the matrix as a (possibly nested) list.   See `ndarray.tolist` for full documentation.   See Also -------- ndarray.tolist   Examples -------- >>> x = np.matrix(np.arange(12).reshape((3,4))); x matrix([[ 0,  1,  2,  3],         [ 4,  5,  6,  7],         [ 8,  9, 10, 11]]) >>> x.tolist() [[0, 1, 2, 3], [4, 5, 6, 7], [8, 9, 10, 11]] var(self, axis=None, dtype=None, out=None, ddof=0) Returns the variance of the matrix elements, along the given axis.   Refer to `numpy.var` for full documentation.   See Also -------- numpy.var   Notes ----- This is the same as `ndarray.var`, except that where an `ndarray` would be returned, a `matrix` object is returned instead.   Examples -------- >>> x = np.matrix(np.arange(12).reshape((3, 4))) >>> x matrix([[ 0,  1,  2,  3],         [ 4,  5,  6,  7],         [ 8,  9, 10, 11]]) >>> x.var() 11.916666666666666 >>> x.var(0) matrix([[ 10.66666667,  10.66666667,  10.66666667,  10.66666667]]) >>> x.var(1) matrix([[ 1.25],         [ 1.25],         [ 1.25]]) Static methods defined here: __new__(subtype, data, dtype=None, copy=True) Create and return a new object.  See help(type) for accurate signature. Data descriptors defined here: A Return `self` as an `ndarray` object.   Equivalent to ``np.asarray(self)``.   Parameters ---------- None   Returns ------- ret : ndarray     `self` as an `ndarray`   Examples -------- >>> x = np.matrix(np.arange(12).reshape((3,4))); x matrix([[ 0,  1,  2,  3],         [ 4,  5,  6,  7],         [ 8,  9, 10, 11]]) >>> x.getA() array([[ 0,  1,  2,  3],        [ 4,  5,  6,  7],        [ 8,  9, 10, 11]]) A1 Return `self` as a flattened `ndarray`.   Equivalent to ``np.asarray(x).ravel()``   Parameters ---------- None   Returns ------- ret : ndarray     `self`, 1-D, as an `ndarray`   Examples -------- >>> x = np.matrix(np.arange(12).reshape((3,4))); x matrix([[ 0,  1,  2,  3],         [ 4,  5,  6,  7],         [ 8,  9, 10, 11]]) >>> x.getA1() array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11]) H Returns the (complex) conjugate transpose of `self`.   Equivalent to ``np.transpose(self)`` if `self` is real-valued.   Parameters ---------- None   Returns ------- ret : matrix object     complex conjugate transpose of `self`   Examples -------- >>> x = np.matrix(np.arange(12).reshape((3,4))) >>> z = x - 1j*x; z matrix([[  0. +0.j,   1. -1.j,   2. -2.j,   3. -3.j],         [  4. -4.j,   5. -5.j,   6. -6.j,   7. -7.j],         [  8. -8.j,   9. -9.j,  10.-10.j,  11.-11.j]]) >>> z.getH() matrix([[  0. +0.j,   4. +4.j,   8. +8.j],         [  1. +1.j,   5. +5.j,   9. +9.j],         [  2. +2.j,   6. +6.j,  10.+10.j],         [  3. +3.j,   7. +7.j,  11.+11.j]]) I Returns the (multiplicative) inverse of invertible `self`.   Parameters ---------- None   Returns ------- ret : matrix object     If `self` is non-singular, `ret` is such that ``ret * self`` ==     ``self * ret`` == ``np.matrix(np.eye(self[0,:].size)`` all return     ``True``.   Raises ------ numpy.linalg.LinAlgError: Singular matrix     If `self` is singular.   See Also -------- linalg.inv   Examples -------- >>> m = np.matrix('[1, 2; 3, 4]'); m matrix([[1, 2],         [3, 4]]) >>> m.getI() matrix([[-2. ,  1. ],         [ 1.5, -0.5]]) >>> m.getI() * m matrix([[ 1.,  0.],         [ 0.,  1.]]) T Returns the transpose of the matrix.   Does *not* conjugate!  For the complex conjugate transpose, use ``.H``.   Parameters ---------- None   Returns ------- ret : matrix object     The (non-conjugated) transpose of the matrix.   See Also -------- transpose, getH   Examples -------- >>> m = np.matrix('[1, 2; 3, 4]') >>> m matrix([[1, 2],         [3, 4]]) >>> m.getT() matrix([[1, 3],         [2, 4]]) __dict__ dictionary for instance variables (if defined) Data and other attributes defined here: __array_priority__ = 10.0 Methods inherited from numpy.ndarray: __abs__(self, /) abs(self) __add__(self, value, /) Return self+value. __and__(self, value, /) Return self&value. __array__(...) a.__array__(|dtype) -> reference if type unchanged, copy otherwise.   Returns either a new reference to self if dtype is not given or a new array of provided data type if dtype is different from the current dtype of the array. __array_prepare__(...) a.__array_prepare__(obj) -> Object of same type as ndarray object obj. __array_ufunc__(...) __array_wrap__(...) a.__array_wrap__(obj) -> Object of same type as ndarray object a. __bool__(self, /) self != 0 __complex__(...) __contains__(self, key, /) Return key in self. __copy__(...) a.__copy__()   Used if :func:`copy.copy` is called on an array. Returns a copy of the array.   Equivalent to ``a.copy(order='K')``. __deepcopy__(...) a.__deepcopy__(memo, /) -> Deep copy of array.   Used if :func:`copy.deepcopy` is called on an array. __delitem__(self, key, /) Delete self[key]. __divmod__(self, value, /) Return divmod(self, value). __eq__(self, value, /) Return self==value. __float__(self, /) float(self) __floordiv__(self, value, /) Return self//value. __format__(...) default object formatter __ge__(self, value, /) Return self>=value. __gt__(self, value, /) Return self>value. __iadd__(self, value, /) Return self+=value. __iand__(self, value, /) Return self&=value. __ifloordiv__(self, value, /) Return self//=value. __ilshift__(self, value, /) Return self<<=value. __imatmul__(self, value, /) Return self@=value. __imod__(self, value, /) Return self%=value. __index__(self, /) Return self converted to an integer, if self is suitable for use as an index into a list. __int__(self, /) int(self) __invert__(self, /) ~self __ior__(self, value, /) Return self|=value. __irshift__(self, value, /) Return self>>=value. __isub__(self, value, /) Return self-=value. __iter__(self, /) Implement iter(self). __itruediv__(self, value, /) Return self/=value. __ixor__(self, value, /) Return self^=value. __le__(self, value, /) Return self<=value. __len__(self, /) Return len(self). __lshift__(self, value, /) Return self<<value. __lt__(self, value, /) Return self<value. __matmul__(self, value, /) Return self@value. __mod__(self, value, /) Return self%value. __ne__(self, value, /) Return self!=value. __neg__(self, /) -self __or__(self, value, /) Return self|value. __pos__(self, /) +self __radd__(self, value, /) Return value+self. __rand__(self, value, /) Return value&self. __rdivmod__(self, value, /) Return divmod(value, self). __reduce__(...) a.__reduce__()   For pickling. __repr__(self, /) Return repr(self). __rfloordiv__(self, value, /) Return value//self. __rlshift__(self, value, /) Return value<<self. __rmatmul__(self, value, /) Return value@self. __rmod__(self, value, /) Return value%self. __ror__(self, value, /) Return value|self. __rrshift__(self, value, /) Return value>>self. __rshift__(self, value, /) Return self>>value. __rsub__(self, value, /) Return value-self. __rtruediv__(self, value, /) Return value/self. __rxor__(self, value, /) Return value^self. __setitem__(self, key, value, /) Set self[key] to value. __setstate__(...) a.__setstate__(state, /)   For unpickling.   The `state` argument must be a sequence that contains the following elements:   Parameters ---------- version : int     optional pickle version. If omitted defaults to 0. shape : tuple dtype : data-type isFortran : bool rawdata : string or list     a binary string with the data (or a list if 'a' is an object array) __sizeof__(...) __sizeof__() -> int size of object in memory, in bytes __str__(self, /) Return str(self). __sub__(self, value, /) Return self-value. __truediv__(self, value, /) Return self/value. __xor__(self, value, /) Return self^value. argpartition(...) a.argpartition(kth, axis=-1, kind='introselect', order=None)   Returns the indices that would partition this array.   Refer to `numpy.argpartition` for full documentation.   .. versionadded:: 1.8.0   See Also -------- numpy.argpartition : equivalent function argsort(...) a.argsort(axis=-1, kind='quicksort', order=None)   Returns the indices that would sort this array.   Refer to `numpy.argsort` for full documentation.   See Also -------- numpy.argsort : equivalent function astype(...) a.astype(dtype, order='K', casting='unsafe', subok=True, copy=True)   Copy of the array, cast to a specified type.   Parameters ---------- dtype : str or dtype     Typecode or data-type to which the array is cast. order : {'C', 'F', 'A', 'K'}, optional     Controls the memory layout order of the result.     'C' means C order, 'F' means Fortran order, 'A'     means 'F' order if all the arrays are Fortran contiguous,     'C' order otherwise, and 'K' means as close to the     order the array elements appear in memory as possible.     Default is 'K'. casting : {'no', 'equiv', 'safe', 'same_kind', 'unsafe'}, optional     Controls what kind of data casting may occur. Defaults to 'unsafe'     for backwards compatibility.         * 'no' means the data types should not be cast at all.       * 'equiv' means only byte-order changes are allowed.       * 'safe' means only casts which can preserve values are allowed.       * 'same_kind' means only safe casts or casts within a kind,         like float64 to float32, are allowed.       * 'unsafe' means any data conversions may be done. subok : bool, optional     If True, then sub-classes will be passed-through (default), otherwise     the returned array will be forced to be a base-class array. copy : bool, optional     By default, astype always returns a newly allocated array. If this     is set to false, and the `dtype`, `order`, and `subok`     requirements are satisfied, the input array is returned instead     of a copy.   Returns ------- arr_t : ndarray     Unless `copy` is False and the other conditions for returning the input     array are satisfied (see description for `copy` input parameter), `arr_t`     is a new array of the same shape as the input array, with dtype, order     given by `dtype`, `order`.   Notes ----- Starting in NumPy 1.9, astype method now returns an error if the string dtype to cast to is not long enough in 'safe' casting mode to hold the max value of integer/float array that is being casted. Previously the casting was allowed even if the result was truncated.   Raises ------ ComplexWarning     When casting from complex to float or int. To avoid this,     one should use ``a.real.astype(t)``.   Examples -------- >>> x = np.array([1, 2, 2.5]) >>> x array([ 1. ,  2. ,  2.5])   >>> x.astype(int) array([1, 2, 2]) byteswap(...) a.byteswap(inplace=False)   Swap the bytes of the array elements   Toggle between low-endian and big-endian data representation by returning a byteswapped array, optionally swapped in-place.   Parameters ---------- inplace : bool, optional     If ``True``, swap bytes in-place, default is ``False``.   Returns ------- out : ndarray     The byteswapped array. If `inplace` is ``True``, this is     a view to self.   Examples -------- >>> A = np.array([1, 256, 8755], dtype=np.int16) >>> map(hex, A) ['0x1', '0x100', '0x2233'] >>> A.byteswap(inplace=True) array([  256,     1, 13090], dtype=int16) >>> map(hex, A) ['0x100', '0x1', '0x3322']   Arrays of strings are not swapped   >>> A = np.array(['ceg', 'fac']) >>> A.byteswap() array(['ceg', 'fac'],       dtype='|S3') choose(...) a.choose(choices, out=None, mode='raise')   Use an index array to construct a new array from a set of choices.   Refer to `numpy.choose` for full documentation.   See Also -------- numpy.choose : equivalent function clip(...) a.clip(min=None, max=None, out=None)   Return an array whose values are limited to ``[min, max]``. One of max or min must be given.   Refer to `numpy.clip` for full documentation.   See Also -------- numpy.clip : equivalent function compress(...) a.compress(condition, axis=None, out=None)   Return selected slices of this array along given axis.   Refer to `numpy.compress` for full documentation.   See Also -------- numpy.compress : equivalent function conj(...) a.conj()   Complex-conjugate all elements.   Refer to `numpy.conjugate` for full documentation.   See Also -------- numpy.conjugate : equivalent function conjugate(...) a.conjugate()   Return the complex conjugate, element-wise.   Refer to `numpy.conjugate` for full documentation.   See Also -------- numpy.conjugate : equivalent function copy(...) a.copy(order='C')   Return a copy of the array.   Parameters ---------- order : {'C', 'F', 'A', 'K'}, optional     Controls the memory layout of the copy. 'C' means C-order,     'F' means F-order, 'A' means 'F' if `a` is Fortran contiguous,     'C' otherwise. 'K' means match the layout of `a` as closely     as possible. (Note that this function and :func:`numpy.copy` are very     similar, but have different default values for their order=     arguments.)   See also -------- numpy.copy numpy.copyto   Examples -------- >>> x = np.array([[1,2,3],[4,5,6]], order='F')   >>> y = x.copy()   >>> x.fill(0)   >>> x array([[0, 0, 0],        [0, 0, 0]])   >>> y array([[1, 2, 3],        [4, 5, 6]])   >>> y.flags['C_CONTIGUOUS'] True cumprod(...) a.cumprod(axis=None, dtype=None, out=None)   Return the cumulative product of the elements along the given axis.   Refer to `numpy.cumprod` for full documentation.   See Also -------- numpy.cumprod : equivalent function cumsum(...) a.cumsum(axis=None, dtype=None, out=None)   Return the cumulative sum of the elements along the given axis.   Refer to `numpy.cumsum` for full documentation.   See Also -------- numpy.cumsum : equivalent function diagonal(...) a.diagonal(offset=0, axis1=0, axis2=1)   Return specified diagonals. In NumPy 1.9 the returned array is a read-only view instead of a copy as in previous NumPy versions.  In a future version the read-only restriction will be removed.   Refer to :func:`numpy.diagonal` for full documentation.   See Also -------- numpy.diagonal : equivalent function dot(...) a.dot(b, out=None)   Dot product of two arrays.   Refer to `numpy.dot` for full documentation.   See Also -------- numpy.dot : equivalent function   Examples -------- >>> a = np.eye(2) >>> b = np.ones((2, 2)) * 2 >>> a.dot(b) array([[ 2.,  2.],        [ 2.,  2.]])   This array method can be conveniently chained:   >>> a.dot(b).dot(b) array([[ 8.,  8.],        [ 8.,  8.]]) dump(...) a.dump(file)   Dump a pickle of the array to the specified file. The array can be read back with pickle.load or numpy.load.   Parameters ---------- file : str     A string naming the dump file. dumps(...) a.dumps()   Returns the pickle of the array as a string. pickle.loads or numpy.loads will convert the string back to an array.   Parameters ---------- None fill(...) a.fill(value)   Fill the array with a scalar value.   Parameters ---------- value : scalar     All elements of `a` will be assigned this value.   Examples -------- >>> a = np.array([1, 2]) >>> a.fill(0) >>> a array([0, 0]) >>> a = np.empty(2) >>> a.fill(1) >>> a array([ 1.,  1.]) getfield(...) a.getfield(dtype, offset=0)   Returns a field of the given array as a certain type.   A field is a view of the array data with a given data-type. The values in the view are determined by the given type and the offset into the current array in bytes. The offset needs to be such that the view dtype fits in the array dtype; for example an array of dtype complex128 has 16-byte elements. If taking a view with a 32-bit integer (4 bytes), the offset needs to be between 0 and 12 bytes.   Parameters ---------- dtype : str or dtype     The data type of the view. The dtype size of the view can not be larger     than that of the array itself. offset : int     Number of bytes to skip before beginning the element view.   Examples -------- >>> x = np.diag([1.+1.j]*2) >>> x[1, 1] = 2 + 4.j >>> x array([[ 1.+1.j,  0.+0.j],        [ 0.+0.j,  2.+4.j]]) >>> x.getfield(np.float64) array([[ 1.,  0.],        [ 0.,  2.]])   By choosing an offset of 8 bytes we can select the complex part of the array for our view:   >>> x.getfield(np.float64, offset=8) array([[ 1.,  0.],    [ 0.,  4.]]) item(...) a.item(*args)   Copy an element of an array to a standard Python scalar and return it.   Parameters ---------- \*args : Arguments (variable number and type)       * none: in this case, the method only works for arrays       with one element (`a.size == 1`), which element is       copied into a standard Python scalar object and returned.       * int_type: this argument is interpreted as a flat index into       the array, specifying which element to copy and return.       * tuple of int_types: functions as does a single int_type argument,       except that the argument is interpreted as an nd-index into the       array.   Returns ------- z : Standard Python scalar object     A copy of the specified element of the array as a suitable     Python scalar   Notes ----- When the data type of `a` is longdouble or clongdouble, item() returns a scalar array object because there is no available Python scalar that would not lose information. Void arrays return a buffer object for item(), unless fields are defined, in which case a tuple is returned.   `item` is very similar to a[args], except, instead of an array scalar, a standard Python scalar is returned. This can be useful for speeding up access to elements of the array and doing arithmetic on elements of the array using Python's optimized math.   Examples -------- >>> x = np.random.randint(9, size=(3, 3)) >>> x array([[3, 1, 7],        [2, 8, 3],        [8, 5, 3]]) >>> x.item(3) 2 >>> x.item(7) 5 >>> x.item((0, 1)) 1 >>> x.item((2, 2)) 3 itemset(...) a.itemset(*args)   Insert scalar into an array (scalar is cast to array's dtype, if possible)   There must be at least 1 argument, and define the last argument as *item*.  Then, ``a.itemset(*args)`` is equivalent to but faster than ``a[args] = item``.  The item should be a scalar value and `args` must select a single item in the array `a`.   Parameters ---------- \*args : Arguments     If one argument: a scalar, only used in case `a` is of size 1.     If two arguments: the last argument is the value to be set     and must be a scalar, the first argument specifies a single array     element location. It is either an int or a tuple.   Notes ----- Compared to indexing syntax, `itemset` provides some speed increase for placing a scalar into a particular location in an `ndarray`, if you must do this.  However, generally this is discouraged: among other problems, it complicates the appearance of the code. Also, when using `itemset` (and `item`) inside a loop, be sure to assign the methods to a local variable to avoid the attribute look-up at each loop iteration.   Examples -------- >>> x = np.random.randint(9, size=(3, 3)) >>> x array([[3, 1, 7],        [2, 8, 3],        [8, 5, 3]]) >>> x.itemset(4, 0) >>> x.itemset((2, 2), 9) >>> x array([[3, 1, 7],        [2, 0, 3],        [8, 5, 9]]) newbyteorder(...) arr.newbyteorder(new_order='S')   Return the array with the same data viewed with a different byte order.   Equivalent to::       arr.view(arr.dtype.newbytorder(new_order))   Changes are also made in all fields and sub-arrays of the array data type.       Parameters ---------- new_order : string, optional     Byte order to force; a value from the byte order specifications     below. `new_order` codes can be any of:       * 'S' - swap dtype from current to opposite endian     * {'<', 'L'} - little endian     * {'>', 'B'} - big endian     * {'=', 'N'} - native order     * {'|', 'I'} - ignore (no change to byte order)       The default value ('S') results in swapping the current     byte order. The code does a case-insensitive check on the first     letter of `new_order` for the alternatives above.  For example,     any of 'B' or 'b' or 'biggish' are valid to specify big-endian.     Returns ------- new_arr : array     New array object with the dtype reflecting given change to the     byte order. nonzero(...) a.nonzero()   Return the indices of the elements that are non-zero.   Refer to `numpy.nonzero` for full documentation.   See Also -------- numpy.nonzero : equivalent function partition(...) a.partition(kth, axis=-1, kind='introselect', order=None)   Rearranges the elements in the array in such a way that the value of the element in kth position is in the position it would be in a sorted array. All elements smaller than the kth element are moved before this element and all equal or greater are moved behind it. The ordering of the elements in the two partitions is undefined.   .. versionadded:: 1.8.0   Parameters ---------- kth : int or sequence of ints     Element index to partition by. The kth element value will be in its     final sorted position and all smaller elements will be moved before it     and all equal or greater elements behind it.     The order of all elements in the partitions is undefined.     If provided with a sequence of kth it will partition all elements     indexed by kth of them into their sorted position at once. axis : int, optional     Axis along which to sort. Default is -1, which means sort along the     last axis. kind : {'introselect'}, optional     Selection algorithm. Default is 'introselect'. order : str or list of str, optional     When `a` is an array with fields defined, this argument specifies     which fields to compare first, second, etc. A single field can     be specified as a string, and not all fields need to be specified,     but unspecified fields will still be used, in the order in which     they come up in the dtype, to break ties.   See Also -------- numpy.partition : Return a parititioned copy of an array. argpartition : Indirect partition. sort : Full sort.   Notes ----- See ``np.partition`` for notes on the different algorithms.   Examples -------- >>> a = np.array([3, 4, 2, 1]) >>> a.partition(3) >>> a array([2, 1, 3, 4])   >>> a.partition((1, 3)) array([1, 2, 3, 4]) put(...) a.put(indices, values, mode='raise')   Set ``a.flat[n] = values[n]`` for all `n` in indices.   Refer to `numpy.put` for full documentation.   See Also -------- numpy.put : equivalent function repeat(...) a.repeat(repeats, axis=None)   Repeat elements of an array.   Refer to `numpy.repeat` for full documentation.   See Also -------- numpy.repeat : equivalent function reshape(...) a.reshape(shape, order='C')   Returns an array containing the same data with a new shape.   Refer to `numpy.reshape` for full documentation.   See Also -------- numpy.reshape : equivalent function   Notes ----- Unlike the free function `numpy.reshape`, this method on `ndarray` allows the elements of the shape parameter to be passed in as separate arguments. For example, ``a.reshape(10, 11)`` is equivalent to ``a.reshape((10, 11))``. resize(...) a.resize(new_shape, refcheck=True)   Change shape and size of array in-place.   Parameters ---------- new_shape : tuple of ints, or `n` ints     Shape of resized array. refcheck : bool, optional     If False, reference count will not be checked. Default is True.   Returns ------- None   Raises ------ ValueError     If `a` does not own its own data or references or views to it exist,     and the data memory must be changed.     PyPy only: will always raise if the data memory must be changed, since     there is no reliable way to determine if references or views to it     exist.   SystemError     If the `order` keyword argument is specified. This behaviour is a     bug in NumPy.   See Also -------- resize : Return a new array with the specified shape.   Notes ----- This reallocates space for the data area if necessary.   Only contiguous arrays (data elements consecutive in memory) can be resized.   The purpose of the reference count check is to make sure you do not use this array as a buffer for another Python object and then reallocate the memory. However, reference counts can increase in other ways so if you are sure that you have not shared the memory for this array with another Python object, then you may safely set `refcheck` to False.   Examples -------- Shrinking an array: array is flattened (in the order that the data are stored in memory), resized, and reshaped:   >>> a = np.array([[0, 1], [2, 3]], order='C') >>> a.resize((2, 1)) >>> a array([[0],        [1]])   >>> a = np.array([[0, 1], [2, 3]], order='F') >>> a.resize((2, 1)) >>> a array([[0],        [2]])   Enlarging an array: as above, but missing entries are filled with zeros:   >>> b = np.array([[0, 1], [2, 3]]) >>> b.resize(2, 3) # new_shape parameter doesn't have to be a tuple >>> b array([[0, 1, 2],        [3, 0, 0]])   Referencing an array prevents resizing...   >>> c = a >>> a.resize((1, 1)) Traceback (most recent call last): ... ValueError: cannot resize an array that has been referenced ...   Unless `refcheck` is False:   >>> a.resize((1, 1), refcheck=False) >>> a array([[0]]) >>> c array([[0]]) round(...) a.round(decimals=0, out=None)   Return `a` with each element rounded to the given number of decimals.   Refer to `numpy.around` for full documentation.   See Also -------- numpy.around : equivalent function searchsorted(...) a.searchsorted(v, side='left', sorter=None)   Find indices where elements of v should be inserted in a to maintain order.   For full documentation, see `numpy.searchsorted`   See Also -------- numpy.searchsorted : equivalent function setfield(...) a.setfield(val, dtype, offset=0)   Put a value into a specified place in a field defined by a data-type.   Place `val` into `a`'s field defined by `dtype` and beginning `offset` bytes into the field.   Parameters ---------- val : object     Value to be placed in field. dtype : dtype object     Data-type of the field in which to place `val`. offset : int, optional     The number of bytes into the field at which to place `val`.   Returns ------- None   See Also -------- getfield   Examples -------- >>> x = np.eye(3) >>> x.getfield(np.float64) array([[ 1.,  0.,  0.],        [ 0.,  1.,  0.],        [ 0.,  0.,  1.]]) >>> x.setfield(3, np.int32) >>> x.getfield(np.int32) array([[3, 3, 3],        [3, 3, 3],        [3, 3, 3]]) >>> x array([[  1.00000000e+000,   1.48219694e-323,   1.48219694e-323],        [  1.48219694e-323,   1.00000000e+000,   1.48219694e-323],        [  1.48219694e-323,   1.48219694e-323,   1.00000000e+000]]) >>> x.setfield(np.eye(3), np.int32) >>> x array([[ 1.,  0.,  0.],        [ 0.,  1.,  0.],        [ 0.,  0.,  1.]]) setflags(...) a.setflags(write=None, align=None, uic=None)   Set array flags WRITEABLE, ALIGNED, (WRITEBACKIFCOPY and UPDATEIFCOPY), respectively.   These Boolean-valued flags affect how numpy interprets the memory area used by `a` (see Notes below). The ALIGNED flag can only be set to True if the data is actually aligned according to the type. The WRITEBACKIFCOPY and (deprecated) UPDATEIFCOPY flags can never be set to True. The flag WRITEABLE can only be set to True if the array owns its own memory, or the ultimate owner of the memory exposes a writeable buffer interface, or is a string. (The exception for string is made so that unpickling can be done without copying memory.)   Parameters ---------- write : bool, optional     Describes whether or not `a` can be written to. align : bool, optional     Describes whether or not `a` is aligned properly for its type. uic : bool, optional     Describes whether or not `a` is a copy of another "base" array.   Notes ----- Array flags provide information about how the memory area used for the array is to be interpreted. There are 7 Boolean flags in use, only four of which can be changed by the user: WRITEBACKIFCOPY, UPDATEIFCOPY, WRITEABLE, and ALIGNED.   WRITEABLE (W) the data area can be written to;   ALIGNED (A) the data and strides are aligned appropriately for the hardware (as determined by the compiler);   UPDATEIFCOPY (U) (deprecated), replaced by WRITEBACKIFCOPY;   WRITEBACKIFCOPY (X) this array is a copy of some other array (referenced by .base). When the C-API function PyArray_ResolveWritebackIfCopy is called, the base array will be updated with the contents of this array.   All flags can be accessed using the single (upper case) letter as well as the full name.   Examples -------- >>> y array([[3, 1, 7],        [2, 0, 0],        [8, 5, 9]]) >>> y.flags   C_CONTIGUOUS : True   F_CONTIGUOUS : False   OWNDATA : True   WRITEABLE : True   ALIGNED : True   WRITEBACKIFCOPY : False   UPDATEIFCOPY : False >>> y.setflags(write=0, align=0) >>> y.flags   C_CONTIGUOUS : True   F_CONTIGUOUS : False   OWNDATA : True   WRITEABLE : False   ALIGNED : False   WRITEBACKIFCOPY : False   UPDATEIFCOPY : False >>> y.setflags(uic=1) Traceback (most recent call last):   File "<stdin>", line 1, in <module> ValueError: cannot set WRITEBACKIFCOPY flag to True sort(...) a.sort(axis=-1, kind='quicksort', order=None)   Sort an array, in-place.   Parameters ---------- axis : int, optional     Axis along which to sort. Default is -1, which means sort along the     last axis. kind : {'quicksort', 'mergesort', 'heapsort', 'stable'}, optional     Sorting algorithm. Default is 'quicksort'. order : str or list of str, optional     When `a` is an array with fields defined, this argument specifies     which fields to compare first, second, etc.  A single field can     be specified as a string, and not all fields need be specified,     but unspecified fields will still be used, in the order in which     they come up in the dtype, to break ties.   See Also -------- numpy.sort : Return a sorted copy of an array. argsort : Indirect sort. lexsort : Indirect stable sort on multiple keys. searchsorted : Find elements in sorted array. partition: Partial sort.   Notes ----- See ``sort`` for notes on the different sorting algorithms.   Examples -------- >>> a = np.array([[1,4], [3,1]]) >>> a.sort(axis=1) >>> a array([[1, 4],        [1, 3]]) >>> a.sort(axis=0) >>> a array([[1, 3],        [1, 4]])   Use the `order` keyword to specify a field to use when sorting a structured array:   >>> a = np.array([('a', 2), ('c', 1)], dtype=[('x', 'S1'), ('y', int)]) >>> a.sort(order='y') >>> a array([('c', 1), ('a', 2)],       dtype=[('x', '|S1'), ('y', '<i4')]) swapaxes(...) a.swapaxes(axis1, axis2)   Return a view of the array with `axis1` and `axis2` interchanged.   Refer to `numpy.swapaxes` for full documentation.   See Also -------- numpy.swapaxes : equivalent function take(...) a.take(indices, axis=None, out=None, mode='raise')   Return an array formed from the elements of `a` at the given indices.   Refer to `numpy.take` for full documentation.   See Also -------- numpy.take : equivalent function tobytes(...) a.tobytes(order='C')   Construct Python bytes containing the raw data bytes in the array.   Constructs Python bytes showing a copy of the raw contents of data memory. The bytes object can be produced in either 'C' or 'Fortran', or 'Any' order (the default is 'C'-order). 'Any' order means C-order unless the F_CONTIGUOUS flag in the array is set, in which case it means 'Fortran' order.   .. versionadded:: 1.9.0   Parameters ---------- order : {'C', 'F', None}, optional     Order of the data for multidimensional arrays:     C, Fortran, or the same as for the original array.   Returns ------- s : bytes     Python bytes exhibiting a copy of `a`'s raw data.   Examples -------- >>> x = np.array([[0, 1], [2, 3]]) >>> x.tobytes() b'\x00\x00\x00\x00\x01\x00\x00\x00\x02\x00\x00\x00\x03\x00\x00\x00' >>> x.tobytes('C') == x.tobytes() True >>> x.tobytes('F') b'\x00\x00\x00\x00\x02\x00\x00\x00\x01\x00\x00\x00\x03\x00\x00\x00' tofile(...) a.tofile(fid, sep="", format="%s")   Write array to a file as text or binary (default).   Data is always written in 'C' order, independent of the order of `a`. The data produced by this method can be recovered using the function fromfile().   Parameters ---------- fid : file or str     An open file object, or a string containing a filename. sep : str     Separator between array items for text output.     If "" (empty), a binary file is written, equivalent to     ``file.write(a.tobytes())``. format : str     Format string for text file output.     Each entry in the array is formatted to text by first converting     it to the closest Python type, and then using "format" % item.   Notes ----- This is a convenience function for quick storage of array data. Information on endianness and precision is lost, so this method is not a good choice for files intended to archive data or transport data between machines with different endianness. Some of these problems can be overcome by outputting the data as text files, at the expense of speed and file size.   When fid is a file object, array contents are directly written to the file, bypassing the file object's ``write`` method. As a result, tofile cannot be used with files objects supporting compression (e.g., GzipFile) or file-like objects that do not support ``fileno()`` (e.g., BytesIO). tostring(...) a.tostring(order='C')   Construct Python bytes containing the raw data bytes in the array.   Constructs Python bytes showing a copy of the raw contents of data memory. The bytes object can be produced in either 'C' or 'Fortran', or 'Any' order (the default is 'C'-order). 'Any' order means C-order unless the F_CONTIGUOUS flag in the array is set, in which case it means 'Fortran' order.   This function is a compatibility alias for tobytes. Despite its name it returns bytes not strings.   Parameters ---------- order : {'C', 'F', None}, optional     Order of the data for multidimensional arrays:     C, Fortran, or the same as for the original array.   Returns ------- s : bytes     Python bytes exhibiting a copy of `a`'s raw data.   Examples -------- >>> x = np.array([[0, 1], [2, 3]]) >>> x.tobytes() b'\x00\x00\x00\x00\x01\x00\x00\x00\x02\x00\x00\x00\x03\x00\x00\x00' >>> x.tobytes('C') == x.tobytes() True >>> x.tobytes('F') b'\x00\x00\x00\x00\x02\x00\x00\x00\x01\x00\x00\x00\x03\x00\x00\x00' trace(...) a.trace(offset=0, axis1=0, axis2=1, dtype=None, out=None)   Return the sum along diagonals of the array.   Refer to `numpy.trace` for full documentation.   See Also -------- numpy.trace : equivalent function transpose(...) a.transpose(*axes)   Returns a view of the array with axes transposed.   For a 1-D array, this has no effect. (To change between column and row vectors, first cast the 1-D array into a matrix object.) For a 2-D array, this is the usual matrix transpose. For an n-D array, if axes are given, their order indicates how the axes are permuted (see Examples). If axes are not provided and ``a.shape = (i[0], i[1], ... i[n-2], i[n-1])``, then ``a.transpose().shape = (i[n-1], i[n-2], ... i[1], i[0])``.   Parameters ---------- axes : None, tuple of ints, or `n` ints    * None or no argument: reverses the order of the axes.    * tuple of ints: `i` in the `j`-th place in the tuple means `a`'s    `i`-th axis becomes `a.transpose()`'s `j`-th axis.    * `n` ints: same as an n-tuple of the same ints (this form is    intended simply as a "convenience" alternative to the tuple form)   Returns ------- out : ndarray     View of `a`, with axes suitably permuted.   See Also -------- ndarray.T : Array property returning the array transposed.   Examples -------- >>> a = np.array([[1, 2], [3, 4]]) >>> a array([[1, 2],        [3, 4]]) >>> a.transpose() array([[1, 3],        [2, 4]]) >>> a.transpose((1, 0)) array([[1, 3],        [2, 4]]) >>> a.transpose(1, 0) array([[1, 3],        [2, 4]]) view(...) a.view(dtype=None, type=None)   New view of array with the same data.   Parameters ---------- dtype : data-type or ndarray sub-class, optional     Data-type descriptor of the returned view, e.g., float32 or int16. The     default, None, results in the view having the same data-type as `a`.     This argument can also be specified as an ndarray sub-class, which     then specifies the type of the returned object (this is equivalent to     setting the ``type`` parameter). type : Python type, optional     Type of the returned view, e.g., ndarray or matrix.  Again, the     default None results in type preservation.   Notes ----- ``a.view()`` is used two different ways:   ``a.view(some_dtype)`` or ``a.view(dtype=some_dtype)`` constructs a view of the array's memory with a different data-type.  This can cause a reinterpretation of the bytes of memory.   ``a.view(ndarray_subclass)`` or ``a.view(type=ndarray_subclass)`` just returns an instance of `ndarray_subclass` that looks at the same array (same shape, dtype, etc.)  This does not cause a reinterpretation of the memory.   For ``a.view(some_dtype)``, if ``some_dtype`` has a different number of bytes per entry than the previous dtype (for example, converting a regular array to a structured array), then the behavior of the view cannot be predicted just from the superficial appearance of ``a`` (shown by ``print(a)``). It also depends on exactly how ``a`` is stored in memory. Therefore if ``a`` is C-ordered versus fortran-ordered, versus defined as a slice or transpose, etc., the view may give different results.     Examples -------- >>> x = np.array([(1, 2)], dtype=[('a', np.int8), ('b', np.int8)])   Viewing array data using a different type and dtype:   >>> y = x.view(dtype=np.int16, type=np.matrix) >>> y matrix([[513]], dtype=int16) >>> print(type(y)) <class 'numpy.matrixlib.defmatrix.matrix'>   Creating a view on a structured array so it can be used in calculations   >>> x = np.array([(1, 2),(3,4)], dtype=[('a', np.int8), ('b', np.int8)]) >>> xv = x.view(dtype=np.int8).reshape(-1,2) >>> xv array([[1, 2],        [3, 4]], dtype=int8) >>> xv.mean(0) array([ 2.,  3.])   Making changes to the view changes the underlying array   >>> xv[0,1] = 20 >>> print(x) [(1, 20) (3, 4)]   Using a view to convert an array to a recarray:   >>> z = x.view(np.recarray) >>> z.a array([1], dtype=int8)   Views share data:   >>> x[0] = (9, 10) >>> z[0] (9, 10)   Views that change the dtype size (bytes per entry) should normally be avoided on arrays defined by slices, transposes, fortran-ordering, etc.:   >>> x = np.array([[1,2,3],[4,5,6]], dtype=np.int16) >>> y = x[:, 0:2] >>> y array([[1, 2],        [4, 5]], dtype=int16) >>> y.view(dtype=[('width', np.int16), ('length', np.int16)]) Traceback (most recent call last):   File "<stdin>", line 1, in <module> ValueError: new type not compatible with array. >>> z = y.copy() >>> z.view(dtype=[('width', np.int16), ('length', np.int16)]) array([[(1, 2)],        [(4, 5)]], dtype=[('width', '<i2'), ('length', '<i2')]) Data descriptors inherited from numpy.ndarray: __array_interface__ Array protocol: Python side. __array_struct__ Array protocol: C-struct side. base Base object if memory is from some other object.   Examples -------- The base of an array that owns its memory is None:   >>> x = np.array([1,2,3,4]) >>> x.base is None True   Slicing creates a view, whose memory is shared with x:   >>> y = x[2:] >>> y.base is x True ctypes An object to simplify the interaction of the array with the ctypes module.   This attribute creates an object that makes it easier to use arrays when calling shared libraries with the ctypes module. The returned object has, among others, data, shape, and strides attributes (see Notes below) which themselves return ctypes objects that can be used as arguments to a shared library.   Parameters ---------- None   Returns ------- c : Python object     Possessing attributes data, shape, strides, etc.   See Also -------- numpy.ctypeslib   Notes ----- Below are the public attributes of this object which were documented in "Guide to NumPy" (we have omitted undocumented public attributes, as well as documented private attributes):   * data: A pointer to the memory area of the array as a Python integer.   This memory area may contain data that is not aligned, or not in correct   byte-order. The memory area may not even be writeable. The array   flags and data-type of this array should be respected when passing this   attribute to arbitrary C-code to avoid trouble that can include Python   crashing. User Beware! The value of this attribute is exactly the same   as self._array_interface_['data'][0].   * shape (c_intp*self.ndim): A ctypes array of length self.ndim where   the basetype is the C-integer corresponding to dtype('p') on this   platform. This base-type could be c_int, c_long, or c_longlong   depending on the platform. The c_intp type is defined accordingly in   numpy.ctypeslib. The ctypes array contains the shape of the underlying   array.   * strides (c_intp*self.ndim): A ctypes array of length self.ndim where   the basetype is the same as for the shape attribute. This ctypes array   contains the strides information from the underlying array. This strides   information is important for showing how many bytes must be jumped to   get to the next element in the array.   * data_as(obj): Return the data pointer cast to a particular c-types object.   For example, calling self._as_parameter_ is equivalent to   self.data_as(ctypes.c_void_p). Perhaps you want to use the data as a   pointer to a ctypes array of floating-point data:   self.data_as(ctypes.POINTER(ctypes.c_double)).   * shape_as(obj): Return the shape tuple as an array of some other c-types   type. For example: self.shape_as(ctypes.c_short).   * strides_as(obj): Return the strides tuple as an array of some other   c-types type. For example: self.strides_as(ctypes.c_longlong).   Be careful using the ctypes attribute - especially on temporary arrays or arrays constructed on the fly. For example, calling ``(a+b).ctypes.data_as(ctypes.c_void_p)`` returns a pointer to memory that is invalid because the array created as (a+b) is deallocated before the next Python statement. You can avoid this problem using either ``c=a+b`` or ``ct=(a+b).ctypes``. In the latter case, ct will hold a reference to the array until ct is deleted or re-assigned.   If the ctypes module is not available, then the ctypes attribute of array objects still returns something useful, but ctypes objects are not returned and errors may be raised instead. In particular, the object will still have the as parameter attribute which will return an integer equal to the data attribute.   Examples -------- >>> import ctypes >>> x array([[0, 1],        [2, 3]]) >>> x.ctypes.data 30439712 >>> x.ctypes.data_as(ctypes.POINTER(ctypes.c_long)) <ctypes.LP_c_long object at 0x01F01300> >>> x.ctypes.data_as(ctypes.POINTER(ctypes.c_long)).contents c_long(0) >>> x.ctypes.data_as(ctypes.POINTER(ctypes.c_longlong)).contents c_longlong(4294967296L) >>> x.ctypes.shape <numpy.core._internal.c_long_Array_2 object at 0x01FFD580> >>> x.ctypes.shape_as(ctypes.c_long) <numpy.core._internal.c_long_Array_2 object at 0x01FCE620> >>> x.ctypes.strides <numpy.core._internal.c_long_Array_2 object at 0x01FCE620> >>> x.ctypes.strides_as(ctypes.c_longlong) <numpy.core._internal.c_longlong_Array_2 object at 0x01F01300> data Python buffer object pointing to the start of the array's data. dtype Data-type of the array's elements.   Parameters ---------- None   Returns ------- d : numpy dtype object   See Also -------- numpy.dtype   Examples -------- >>> x array([[0, 1],        [2, 3]]) >>> x.dtype dtype('int32') >>> type(x.dtype) <type 'numpy.dtype'> flags Information about the memory layout of the array.   Attributes ---------- C_CONTIGUOUS (C)     The data is in a single, C-style contiguous segment. F_CONTIGUOUS (F)     The data is in a single, Fortran-style contiguous segment. OWNDATA (O)     The array owns the memory it uses or borrows it from another object. WRITEABLE (W)     The data area can be written to.  Setting this to False locks     the data, making it read-only.  A view (slice, etc.) inherits WRITEABLE     from its base array at creation time, but a view of a writeable     array may be subsequently locked while the base array remains writeable.     (The opposite is not true, in that a view of a locked array may not     be made writeable.  However, currently, locking a base object does not     lock any views that already reference it, so under that circumstance it     is possible to alter the contents of a locked array via a previously     created writeable view onto it.)  Attempting to change a non-writeable     array raises a RuntimeError exception. ALIGNED (A)     The data and all elements are aligned appropriately for the hardware. WRITEBACKIFCOPY (X)     This array is a copy of some other array. The C-API function     PyArray_ResolveWritebackIfCopy must be called before deallocating     to the base array will be updated with the contents of this array. UPDATEIFCOPY (U)     (Deprecated, use WRITEBACKIFCOPY) This array is a copy of some other array.     When this array is     deallocated, the base array will be updated with the contents of     this array. FNC     F_CONTIGUOUS and not C_CONTIGUOUS. FORC     F_CONTIGUOUS or C_CONTIGUOUS (one-segment test). BEHAVED (B)     ALIGNED and WRITEABLE. CARRAY (CA)     BEHAVED and C_CONTIGUOUS. FARRAY (FA)     BEHAVED and F_CONTIGUOUS and not C_CONTIGUOUS.   Notes ----- The `flags` object can be accessed dictionary-like (as in ``a.flags['WRITEABLE']``), or by using lowercased attribute names (as in ``a.flags.writeable``). Short flag names are only supported in dictionary access.   Only the WRITEBACKIFCOPY, UPDATEIFCOPY, WRITEABLE, and ALIGNED flags can be changed by the user, via direct assignment to the attribute or dictionary entry, or by calling `ndarray.setflags`.   The array flags cannot be set arbitrarily:   - UPDATEIFCOPY can only be set ``False``. - WRITEBACKIFCOPY can only be set ``False``. - ALIGNED can only be set ``True`` if the data is truly aligned. - WRITEABLE can only be set ``True`` if the array owns its own memory   or the ultimate owner of the memory exposes a writeable buffer   interface or is a string.   Arrays can be both C-style and Fortran-style contiguous simultaneously. This is clear for 1-dimensional arrays, but can also be true for higher dimensional arrays.   Even for contiguous arrays a stride for a given dimension ``arr.strides[dim]`` may be *arbitrary* if ``arr.shape[dim] == 1`` or the array has no elements. It does *not* generally hold that ``self.strides[-1] == self.itemsize`` for C-style contiguous arrays or ``self.strides[0] == self.itemsize`` for Fortran-style contiguous arrays is true. flat A 1-D iterator over the array.   This is a `numpy.flatiter` instance, which acts similarly to, but is not a subclass of, Python's built-in iterator object.   See Also -------- flatten : Return a copy of the array collapsed into one dimension.   flatiter   Examples -------- >>> x = np.arange(1, 7).reshape(2, 3) >>> x array([[1, 2, 3],        [4, 5, 6]]) >>> x.flat[3] 4 >>> x.T array([[1, 4],        [2, 5],        [3, 6]]) >>> x.T.flat[3] 5 >>> type(x.flat) <type 'numpy.flatiter'>   An assignment example:   >>> x.flat = 3; x array([[3, 3, 3],        [3, 3, 3]]) >>> x.flat[[1,4]] = 1; x array([[3, 1, 3],        [3, 1, 3]]) imag The imaginary part of the array.   Examples -------- >>> x = np.sqrt([1+0j, 0+1j]) >>> x.imag array([ 0.        ,  0.70710678]) >>> x.imag.dtype dtype('float64') itemsize Length of one array element in bytes.   Examples -------- >>> x = np.array([1,2,3], dtype=np.float64) >>> x.itemsize 8 >>> x = np.array([1,2,3], dtype=np.complex128) >>> x.itemsize 16 nbytes Total bytes consumed by the elements of the array.   Notes ----- Does not include memory consumed by non-element attributes of the array object.   Examples -------- >>> x = np.zeros((3,5,2), dtype=np.complex128) >>> x.nbytes 480 >>> np.prod(x.shape) * x.itemsize 480 ndim Number of array dimensions.   Examples -------- >>> x = np.array([1, 2, 3]) >>> x.ndim 1 >>> y = np.zeros((2, 3, 4)) >>> y.ndim 3 real The real part of the array.   Examples -------- >>> x = np.sqrt([1+0j, 0+1j]) >>> x.real array([ 1.        ,  0.70710678]) >>> x.real.dtype dtype('float64')   See Also -------- numpy.real : equivalent function shape Tuple of array dimensions.   The shape property is usually used to get the current shape of an array, but may also be used to reshape the array in-place by assigning a tuple of array dimensions to it.  As with `numpy.reshape`, one of the new shape dimensions can be -1, in which case its value is inferred from the size of the array and the remaining dimensions. Reshaping an array in-place will fail if a copy is required.   Examples -------- >>> x = np.array([1, 2, 3, 4]) >>> x.shape (4,) >>> y = np.zeros((2, 3, 4)) >>> y.shape (2, 3, 4) >>> y.shape = (3, 8) >>> y array([[ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],        [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],        [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.]]) >>> y.shape = (3, 6) Traceback (most recent call last):   File "<stdin>", line 1, in <module> ValueError: total size of new array must be unchanged >>> np.zeros((4,2))[::2].shape = (-1,) Traceback (most recent call last):   File "<stdin>", line 1, in <module> AttributeError: incompatible shape for a non-contiguous array   See Also -------- numpy.reshape : similar function ndarray.reshape : similar method size Number of elements in the array.   Equal to ``np.prod(a.shape)``, i.e., the product of the array's dimensions.   Notes ----- `a.size` returns a standard arbitrary precision Python integer. This  may not be the case with other methods of obtaining the same value (like the suggested ``np.prod(a.shape)``, which returns an instance of ``np.int_``), and may be relevant if the value is used further in calculations that may overflow a fixed size integer type.   Examples -------- >>> x = np.zeros((3, 5, 2), dtype=np.complex128) >>> x.size 30 >>> np.prod(x.shape) 30 strides Tuple of bytes to step in each dimension when traversing an array.   The byte offset of element ``(i[0], i[1], ..., i[n])`` in an array `a` is::       offset = sum(np.array(i) * a.strides)   A more detailed explanation of strides can be found in the "ndarray.rst" file in the NumPy reference guide.   Notes ----- Imagine an array of 32-bit integers (each 4 bytes)::     x = np.array([[0, 1, 2, 3, 4],                 [5, 6, 7, 8, 9]], dtype=np.int32)   This array is stored in memory as 40 bytes, one after the other (known as a contiguous block of memory).  The strides of an array tell us how many bytes we have to skip in memory to move to the next position along a certain axis.  For example, we have to skip 4 bytes (1 value) to move to the next column, but 20 bytes (5 values) to get to the same position in the next row.  As such, the strides for the array `x` will be ``(20, 4)``.   See Also -------- numpy.lib.stride_tricks.as_strided   Examples -------- >>> y = np.reshape(np.arange(2*3*4), (2,3,4)) >>> y array([[[ 0,  1,  2,  3],         [ 4,  5,  6,  7],         [ 8,  9, 10, 11]],        [[12, 13, 14, 15],         [16, 17, 18, 19],         [20, 21, 22, 23]]]) >>> y.strides (48, 16, 4) >>> y[1,1,1] 17 >>> offset=sum(y.strides * np.array((1,1,1))) >>> offset/y.itemsize 17   >>> x = np.reshape(np.arange(5*6*7*8), (5,6,7,8)).transpose(2,3,1,0) >>> x.strides (32, 4, 224, 1344) >>> i = np.array([3,5,2,2]) >>> offset = sum(i * x.strides) >>> x[3,5,2,2] 813 >>> offset / x.itemsize 813 Data and other attributes inherited from numpy.ndarray: __hash__ = None   class memmap(numpy.ndarray)     Create a memory-map to an array stored in a *binary* file on disk.   Memory-mapped files are used for accessing small segments of large files on disk, without reading the entire file into memory.  NumPy's memmap's are array-like objects.  This differs from Python's ``mmap`` module, which uses file-like objects.   This subclass of ndarray has some unpleasant interactions with some operations, because it doesn't quite fit properly as a subclass. An alternative to using this subclass is to create the ``mmap`` object yourself, then create an ndarray with ndarray.__new__ directly, passing the object created in its 'buffer=' parameter.   This class may at some point be turned into a factory function which returns a view into an mmap buffer.   Delete the memmap instance to close the memmap file.     Parameters ---------- filename : str, file-like object, or pathlib.Path instance     The file name or file object to be used as the array data buffer. dtype : data-type, optional     The data-type used to interpret the file contents.     Default is `uint8`. mode : {'r+', 'r', 'w+', 'c'}, optional     The file is opened in this mode:       +------+-------------------------------------------------------------+     | 'r'  | Open existing file for reading only.                        |     +------+-------------------------------------------------------------+     | 'r+' | Open existing file for reading and writing.                 |     +------+-------------------------------------------------------------+     | 'w+' | Create or overwrite existing file for reading and writing.  |     +------+-------------------------------------------------------------+     | 'c'  | Copy-on-write: assignments affect data in memory, but       |     |      | changes are not saved to disk.  The file on disk is         |     |      | read-only.                                                  |     +------+-------------------------------------------------------------+       Default is 'r+'. offset : int, optional     In the file, array data starts at this offset. Since `offset` is     measured in bytes, it should normally be a multiple of the byte-size     of `dtype`. When ``mode != 'r'``, even positive offsets beyond end of     file are valid; The file will be extended to accommodate the     additional data. By default, ``memmap`` will start at the beginning of     the file, even if ``filename`` is a file pointer ``fp`` and     ``fp.tell() != 0``. shape : tuple, optional     The desired shape of the array. If ``mode == 'r'`` and the number     of remaining bytes after `offset` is not a multiple of the byte-size     of `dtype`, you must specify `shape`. By default, the returned array     will be 1-D with the number of elements determined by file size     and data-type. order : {'C', 'F'}, optional     Specify the order of the ndarray memory layout:     :term:`row-major`, C-style or :term:`column-major`,     Fortran-style.  This only has an effect if the shape is     greater than 1-D.  The default order is 'C'.   Attributes ---------- filename : str or pathlib.Path instance     Path to the mapped file. offset : int     Offset position in the file. mode : str     File mode.   Methods ------- flush     Flush any changes in memory to file on disk.     When you delete a memmap object, flush is called first to write     changes to disk before removing the object.     See also -------- lib.format.open_memmap : Create or load a memory-mapped ``.npy`` file.   Notes ----- The memmap object can be used anywhere an ndarray is accepted. Given a memmap ``fp``, ``isinstance(fp, numpy.ndarray)`` returns ``True``.   Memory-mapped files cannot be larger than 2GB on 32-bit systems.   When a memmap causes a file to be created or extended beyond its current size in the filesystem, the contents of the new part are unspecified. On systems with POSIX filesystem semantics, the extended part will be filled with zero bytes.   Examples -------- >>> data = np.arange(12, dtype='float32') >>> data.resize((3,4))   This example uses a temporary file so that doctest doesn't write files to your directory. You would use a 'normal' filename.   >>> from tempfile import mkdtemp >>> import os.path as path >>> filename = path.join(mkdtemp(), 'newfile.dat')   Create a memmap with dtype and shape that matches our data:   >>> fp = np.memmap(filename, dtype='float32', mode='w+', shape=(3,4)) >>> fp memmap([[ 0.,  0.,  0.,  0.],         [ 0.,  0.,  0.,  0.],         [ 0.,  0.,  0.,  0.]], dtype=float32)   Write data to memmap array:   >>> fp[:] = data[:] >>> fp memmap([[  0.,   1.,   2.,   3.],         [  4.,   5.,   6.,   7.],         [  8.,   9.,  10.,  11.]], dtype=float32)   >>> fp.filename == path.abspath(filename) True   Deletion flushes memory changes to disk before removing the object:   >>> del fp   Load the memmap and verify data was stored:   >>> newfp = np.memmap(filename, dtype='float32', mode='r', shape=(3,4)) >>> newfp memmap([[  0.,   1.,   2.,   3.],         [  4.,   5.,   6.,   7.],         [  8.,   9.,  10.,  11.]], dtype=float32)   Read-only memmap:   >>> fpr = np.memmap(filename, dtype='float32', mode='r', shape=(3,4)) >>> fpr.flags.writeable False   Copy-on-write memmap:   >>> fpc = np.memmap(filename, dtype='float32', mode='c', shape=(3,4)) >>> fpc.flags.writeable True   It's possible to assign to copy-on-write array, but values are only written into the memory copy of the array, and not written to disk:   >>> fpc memmap([[  0.,   1.,   2.,   3.],         [  4.,   5.,   6.,   7.],         [  8.,   9.,  10.,  11.]], dtype=float32) >>> fpc[0,:] = 0 >>> fpc memmap([[  0.,   0.,   0.,   0.],         [  4.,   5.,   6.,   7.],         [  8.,   9.,  10.,  11.]], dtype=float32)   File on disk is unchanged:   >>> fpr memmap([[  0.,   1.,   2.,   3.],         [  4.,   5.,   6.,   7.],         [  8.,   9.,  10.,  11.]], dtype=float32)   Offset into a memmap:   >>> fpo = np.memmap(filename, dtype='float32', mode='r', offset=16) >>> fpo memmap([  4.,   5.,   6.,   7.,   8.,   9.,  10.,  11.], dtype=float32)     Method resolution order: memmap numpy.ndarray builtins.object Methods defined here: __array_finalize__(self, obj) None. __array_wrap__(self, arr, context=None) a.__array_wrap__(obj) -> Object of same type as ndarray object a. __getitem__(self, index) Return self[key]. flush(self) Write any changes in the array to the file on disk.   For further information, see `memmap`.   Parameters ---------- None   See Also -------- memmap Static methods defined here: __new__(subtype, filename, dtype=<class 'numpy.uint8'>, mode='r+', offset=0, shape=None, order='C') Create and return a new object.  See help(type) for accurate signature. Data descriptors defined here: __dict__ dictionary for instance variables (if defined) Data and other attributes defined here: __array_priority__ = -100.0 Methods inherited from numpy.ndarray: __abs__(self, /) abs(self) __add__(self, value, /) Return self+value. __and__(self, value, /) Return self&value. __array__(...) a.__array__(|dtype) -> reference if type unchanged, copy otherwise.   Returns either a new reference to self if dtype is not given or a new array of provided data type if dtype is different from the current dtype of the array. __array_prepare__(...) a.__array_prepare__(obj) -> Object of same type as ndarray object obj. __array_ufunc__(...) __bool__(self, /) self != 0 __complex__(...) __contains__(self, key, /) Return key in self. __copy__(...) a.__copy__()   Used if :func:`copy.copy` is called on an array. Returns a copy of the array.   Equivalent to ``a.copy(order='K')``. __deepcopy__(...) a.__deepcopy__(memo, /) -> Deep copy of array.   Used if :func:`copy.deepcopy` is called on an array. __delitem__(self, key, /) Delete self[key]. __divmod__(self, value, /) Return divmod(self, value). __eq__(self, value, /) Return self==value. __float__(self, /) float(self) __floordiv__(self, value, /) Return self//value. __format__(...) default object formatter __ge__(self, value, /) Return self>=value. __gt__(self, value, /) Return self>value. __iadd__(self, value, /) Return self+=value. __iand__(self, value, /) Return self&=value. __ifloordiv__(self, value, /) Return self//=value. __ilshift__(self, value, /) Return self<<=value. __imatmul__(self, value, /) Return self@=value. __imod__(self, value, /) Return self%=value. __imul__(self, value, /) Return self*=value. __index__(self, /) Return self converted to an integer, if self is suitable for use as an index into a list. __int__(self, /) int(self) __invert__(self, /) ~self __ior__(self, value, /) Return self|=value. __ipow__(self, value, /) Return self**=value. __irshift__(self, value, /) Return self>>=value. __isub__(self, value, /) Return self-=value. __iter__(self, /) Implement iter(self). __itruediv__(self, value, /) Return self/=value. __ixor__(self, value, /) Return self^=value. __le__(self, value, /) Return self<=value. __len__(self, /) Return len(self). __lshift__(self, value, /) Return self<<value. __lt__(self, value, /) Return self<value. __matmul__(self, value, /) Return self@value. __mod__(self, value, /) Return self%value. __mul__(self, value, /) Return self*value. __ne__(self, value, /) Return self!=value. __neg__(self, /) -self __or__(self, value, /) Return self|value. __pos__(self, /) +self __pow__(self, value, mod=None, /) Return pow(self, value, mod). __radd__(self, value, /) Return value+self. __rand__(self, value, /) Return value&self. __rdivmod__(self, value, /) Return divmod(value, self). __reduce__(...) a.__reduce__()   For pickling. __repr__(self, /) Return repr(self). __rfloordiv__(self, value, /) Return value//self. __rlshift__(self, value, /) Return value<<self. __rmatmul__(self, value, /) Return value@self. __rmod__(self, value, /) Return value%self. __rmul__(self, value, /) Return value*self. __ror__(self, value, /) Return value|self. __rpow__(self, value, mod=None, /) Return pow(value, self, mod). __rrshift__(self, value, /) Return value>>self. __rshift__(self, value, /) Return self>>value. __rsub__(self, value, /) Return value-self. __rtruediv__(self, value, /) Return value/self. __rxor__(self, value, /) Return value^self. __setitem__(self, key, value, /) Set self[key] to value. __setstate__(...) a.__setstate__(state, /)   For unpickling.   The `state` argument must be a sequence that contains the following elements:   Parameters ---------- version : int     optional pickle version. If omitted defaults to 0. shape : tuple dtype : data-type isFortran : bool rawdata : string or list     a binary string with the data (or a list if 'a' is an object array) __sizeof__(...) __sizeof__() -> int size of object in memory, in bytes __str__(self, /) Return str(self). __sub__(self, value, /) Return self-value. __truediv__(self, value, /) Return self/value. __xor__(self, value, /) Return self^value. all(...) a.all(axis=None, out=None, keepdims=False)   Returns True if all elements evaluate to True.   Refer to `numpy.all` for full documentation.   See Also -------- numpy.all : equivalent function any(...) a.any(axis=None, out=None, keepdims=False)   Returns True if any of the elements of `a` evaluate to True.   Refer to `numpy.any` for full documentation.   See Also -------- numpy.any : equivalent function argmax(...) a.argmax(axis=None, out=None)   Return indices of the maximum values along the given axis.   Refer to `numpy.argmax` for full documentation.   See Also -------- numpy.argmax : equivalent function argmin(...) a.argmin(axis=None, out=None)   Return indices of the minimum values along the given axis of `a`.   Refer to `numpy.argmin` for detailed documentation.   See Also -------- numpy.argmin : equivalent function argpartition(...) a.argpartition(kth, axis=-1, kind='introselect', order=None)   Returns the indices that would partition this array.   Refer to `numpy.argpartition` for full documentation.   .. versionadded:: 1.8.0   See Also -------- numpy.argpartition : equivalent function argsort(...) a.argsort(axis=-1, kind='quicksort', order=None)   Returns the indices that would sort this array.   Refer to `numpy.argsort` for full documentation.   See Also -------- numpy.argsort : equivalent function astype(...) a.astype(dtype, order='K', casting='unsafe', subok=True, copy=True)   Copy of the array, cast to a specified type.   Parameters ---------- dtype : str or dtype     Typecode or data-type to which the array is cast. order : {'C', 'F', 'A', 'K'}, optional     Controls the memory layout order of the result.     'C' means C order, 'F' means Fortran order, 'A'     means 'F' order if all the arrays are Fortran contiguous,     'C' order otherwise, and 'K' means as close to the     order the array elements appear in memory as possible.     Default is 'K'. casting : {'no', 'equiv', 'safe', 'same_kind', 'unsafe'}, optional     Controls what kind of data casting may occur. Defaults to 'unsafe'     for backwards compatibility.         * 'no' means the data types should not be cast at all.       * 'equiv' means only byte-order changes are allowed.       * 'safe' means only casts which can preserve values are allowed.       * 'same_kind' means only safe casts or casts within a kind,         like float64 to float32, are allowed.       * 'unsafe' means any data conversions may be done. subok : bool, optional     If True, then sub-classes will be passed-through (default), otherwise     the returned array will be forced to be a base-class array. copy : bool, optional     By default, astype always returns a newly allocated array. If this     is set to false, and the `dtype`, `order`, and `subok`     requirements are satisfied, the input array is returned instead     of a copy.   Returns ------- arr_t : ndarray     Unless `copy` is False and the other conditions for returning the input     array are satisfied (see description for `copy` input parameter), `arr_t`     is a new array of the same shape as the input array, with dtype, order     given by `dtype`, `order`.   Notes ----- Starting in NumPy 1.9, astype method now returns an error if the string dtype to cast to is not long enough in 'safe' casting mode to hold the max value of integer/float array that is being casted. Previously the casting was allowed even if the result was truncated.   Raises ------ ComplexWarning     When casting from complex to float or int. To avoid this,     one should use ``a.real.astype(t)``.   Examples -------- >>> x = np.array([1, 2, 2.5]) >>> x array([ 1. ,  2. ,  2.5])   >>> x.astype(int) array([1, 2, 2]) byteswap(...) a.byteswap(inplace=False)   Swap the bytes of the array elements   Toggle between low-endian and big-endian data representation by returning a byteswapped array, optionally swapped in-place.   Parameters ---------- inplace : bool, optional     If ``True``, swap bytes in-place, default is ``False``.   Returns ------- out : ndarray     The byteswapped array. If `inplace` is ``True``, this is     a view to self.   Examples -------- >>> A = np.array([1, 256, 8755], dtype=np.int16) >>> map(hex, A) ['0x1', '0x100', '0x2233'] >>> A.byteswap(inplace=True) array([  256,     1, 13090], dtype=int16) >>> map(hex, A) ['0x100', '0x1', '0x3322']   Arrays of strings are not swapped   >>> A = np.array(['ceg', 'fac']) >>> A.byteswap() array(['ceg', 'fac'],       dtype='|S3') choose(...) a.choose(choices, out=None, mode='raise')   Use an index array to construct a new array from a set of choices.   Refer to `numpy.choose` for full documentation.   See Also -------- numpy.choose : equivalent function clip(...) a.clip(min=None, max=None, out=None)   Return an array whose values are limited to ``[min, max]``. One of max or min must be given.   Refer to `numpy.clip` for full documentation.   See Also -------- numpy.clip : equivalent function compress(...) a.compress(condition, axis=None, out=None)   Return selected slices of this array along given axis.   Refer to `numpy.compress` for full documentation.   See Also -------- numpy.compress : equivalent function conj(...) a.conj()   Complex-conjugate all elements.   Refer to `numpy.conjugate` for full documentation.   See Also -------- numpy.conjugate : equivalent function conjugate(...) a.conjugate()   Return the complex conjugate, element-wise.   Refer to `numpy.conjugate` for full documentation.   See Also -------- numpy.conjugate : equivalent function copy(...) a.copy(order='C')   Return a copy of the array.   Parameters ---------- order : {'C', 'F', 'A', 'K'}, optional     Controls the memory layout of the copy. 'C' means C-order,     'F' means F-order, 'A' means 'F' if `a` is Fortran contiguous,     'C' otherwise. 'K' means match the layout of `a` as closely     as possible. (Note that this function and :func:`numpy.copy` are very     similar, but have different default values for their order=     arguments.)   See also -------- numpy.copy numpy.copyto   Examples -------- >>> x = np.array([[1,2,3],[4,5,6]], order='F')   >>> y = x.copy()   >>> x.fill(0)   >>> x array([[0, 0, 0],        [0, 0, 0]])   >>> y array([[1, 2, 3],        [4, 5, 6]])   >>> y.flags['C_CONTIGUOUS'] True cumprod(...) a.cumprod(axis=None, dtype=None, out=None)   Return the cumulative product of the elements along the given axis.   Refer to `numpy.cumprod` for full documentation.   See Also -------- numpy.cumprod : equivalent function cumsum(...) a.cumsum(axis=None, dtype=None, out=None)   Return the cumulative sum of the elements along the given axis.   Refer to `numpy.cumsum` for full documentation.   See Also -------- numpy.cumsum : equivalent function diagonal(...) a.diagonal(offset=0, axis1=0, axis2=1)   Return specified diagonals. In NumPy 1.9 the returned array is a read-only view instead of a copy as in previous NumPy versions.  In a future version the read-only restriction will be removed.   Refer to :func:`numpy.diagonal` for full documentation.   See Also -------- numpy.diagonal : equivalent function dot(...) a.dot(b, out=None)   Dot product of two arrays.   Refer to `numpy.dot` for full documentation.   See Also -------- numpy.dot : equivalent function   Examples -------- >>> a = np.eye(2) >>> b = np.ones((2, 2)) * 2 >>> a.dot(b) array([[ 2.,  2.],        [ 2.,  2.]])   This array method can be conveniently chained:   >>> a.dot(b).dot(b) array([[ 8.,  8.],        [ 8.,  8.]]) dump(...) a.dump(file)   Dump a pickle of the array to the specified file. The array can be read back with pickle.load or numpy.load.   Parameters ---------- file : str     A string naming the dump file. dumps(...) a.dumps()   Returns the pickle of the array as a string. pickle.loads or numpy.loads will convert the string back to an array.   Parameters ---------- None fill(...) a.fill(value)   Fill the array with a scalar value.   Parameters ---------- value : scalar     All elements of `a` will be assigned this value.   Examples -------- >>> a = np.array([1, 2]) >>> a.fill(0) >>> a array([0, 0]) >>> a = np.empty(2) >>> a.fill(1) >>> a array([ 1.,  1.]) flatten(...) a.flatten(order='C')   Return a copy of the array collapsed into one dimension.   Parameters ---------- order : {'C', 'F', 'A', 'K'}, optional     'C' means to flatten in row-major (C-style) order.     'F' means to flatten in column-major (Fortran-     style) order. 'A' means to flatten in column-major     order if `a` is Fortran *contiguous* in memory,     row-major order otherwise. 'K' means to flatten     `a` in the order the elements occur in memory.     The default is 'C'.   Returns ------- y : ndarray     A copy of the input array, flattened to one dimension.   See Also -------- ravel : Return a flattened array. flat : A 1-D flat iterator over the array.   Examples -------- >>> a = np.array([[1,2], [3,4]]) >>> a.flatten() array([1, 2, 3, 4]) >>> a.flatten('F') array([1, 3, 2, 4]) getfield(...) a.getfield(dtype, offset=0)   Returns a field of the given array as a certain type.   A field is a view of the array data with a given data-type. The values in the view are determined by the given type and the offset into the current array in bytes. The offset needs to be such that the view dtype fits in the array dtype; for example an array of dtype complex128 has 16-byte elements. If taking a view with a 32-bit integer (4 bytes), the offset needs to be between 0 and 12 bytes.   Parameters ---------- dtype : str or dtype     The data type of the view. The dtype size of the view can not be larger     than that of the array itself. offset : int     Number of bytes to skip before beginning the element view.   Examples -------- >>> x = np.diag([1.+1.j]*2) >>> x[1, 1] = 2 + 4.j >>> x array([[ 1.+1.j,  0.+0.j],        [ 0.+0.j,  2.+4.j]]) >>> x.getfield(np.float64) array([[ 1.,  0.],        [ 0.,  2.]])   By choosing an offset of 8 bytes we can select the complex part of the array for our view:   >>> x.getfield(np.float64, offset=8) array([[ 1.,  0.],    [ 0.,  4.]]) item(...) a.item(*args)   Copy an element of an array to a standard Python scalar and return it.   Parameters ---------- \*args : Arguments (variable number and type)       * none: in this case, the method only works for arrays       with one element (`a.size == 1`), which element is       copied into a standard Python scalar object and returned.       * int_type: this argument is interpreted as a flat index into       the array, specifying which element to copy and return.       * tuple of int_types: functions as does a single int_type argument,       except that the argument is interpreted as an nd-index into the       array.   Returns ------- z : Standard Python scalar object     A copy of the specified element of the array as a suitable     Python scalar   Notes ----- When the data type of `a` is longdouble or clongdouble, item() returns a scalar array object because there is no available Python scalar that would not lose information. Void arrays return a buffer object for item(), unless fields are defined, in which case a tuple is returned.   `item` is very similar to a[args], except, instead of an array scalar, a standard Python scalar is returned. This can be useful for speeding up access to elements of the array and doing arithmetic on elements of the array using Python's optimized math.   Examples -------- >>> x = np.random.randint(9, size=(3, 3)) >>> x array([[3, 1, 7],        [2, 8, 3],        [8, 5, 3]]) >>> x.item(3) 2 >>> x.item(7) 5 >>> x.item((0, 1)) 1 >>> x.item((2, 2)) 3 itemset(...) a.itemset(*args)   Insert scalar into an array (scalar is cast to array's dtype, if possible)   There must be at least 1 argument, and define the last argument as *item*.  Then, ``a.itemset(*args)`` is equivalent to but faster than ``a[args] = item``.  The item should be a scalar value and `args` must select a single item in the array `a`.   Parameters ---------- \*args : Arguments     If one argument: a scalar, only used in case `a` is of size 1.     If two arguments: the last argument is the value to be set     and must be a scalar, the first argument specifies a single array     element location. It is either an int or a tuple.   Notes ----- Compared to indexing syntax, `itemset` provides some speed increase for placing a scalar into a particular location in an `ndarray`, if you must do this.  However, generally this is discouraged: among other problems, it complicates the appearance of the code. Also, when using `itemset` (and `item`) inside a loop, be sure to assign the methods to a local variable to avoid the attribute look-up at each loop iteration.   Examples -------- >>> x = np.random.randint(9, size=(3, 3)) >>> x array([[3, 1, 7],        [2, 8, 3],        [8, 5, 3]]) >>> x.itemset(4, 0) >>> x.itemset((2, 2), 9) >>> x array([[3, 1, 7],        [2, 0, 3],        [8, 5, 9]]) max(...) a.max(axis=None, out=None, keepdims=False)   Return the maximum along a given axis.   Refer to `numpy.amax` for full documentation.   See Also -------- numpy.amax : equivalent function mean(...) a.mean(axis=None, dtype=None, out=None, keepdims=False)   Returns the average of the array elements along given axis.   Refer to `numpy.mean` for full documentation.   See Also -------- numpy.mean : equivalent function min(...) a.min(axis=None, out=None, keepdims=False)   Return the minimum along a given axis.   Refer to `numpy.amin` for full documentation.   See Also -------- numpy.amin : equivalent function newbyteorder(...) arr.newbyteorder(new_order='S')   Return the array with the same data viewed with a different byte order.   Equivalent to::       arr.view(arr.dtype.newbytorder(new_order))   Changes are also made in all fields and sub-arrays of the array data type.       Parameters ---------- new_order : string, optional     Byte order to force; a value from the byte order specifications     below. `new_order` codes can be any of:       * 'S' - swap dtype from current to opposite endian     * {'<', 'L'} - little endian     * {'>', 'B'} - big endian     * {'=', 'N'} - native order     * {'|', 'I'} - ignore (no change to byte order)       The default value ('S') results in swapping the current     byte order. The code does a case-insensitive check on the first     letter of `new_order` for the alternatives above.  For example,     any of 'B' or 'b' or 'biggish' are valid to specify big-endian.     Returns ------- new_arr : array     New array object with the dtype reflecting given change to the     byte order. nonzero(...) a.nonzero()   Return the indices of the elements that are non-zero.   Refer to `numpy.nonzero` for full documentation.   See Also -------- numpy.nonzero : equivalent function partition(...) a.partition(kth, axis=-1, kind='introselect', order=None)   Rearranges the elements in the array in such a way that the value of the element in kth position is in the position it would be in a sorted array. All elements smaller than the kth element are moved before this element and all equal or greater are moved behind it. The ordering of the elements in the two partitions is undefined.   .. versionadded:: 1.8.0   Parameters ---------- kth : int or sequence of ints     Element index to partition by. The kth element value will be in its     final sorted position and all smaller elements will be moved before it     and all equal or greater elements behind it.     The order of all elements in the partitions is undefined.     If provided with a sequence of kth it will partition all elements     indexed by kth of them into their sorted position at once. axis : int, optional     Axis along which to sort. Default is -1, which means sort along the     last axis. kind : {'introselect'}, optional     Selection algorithm. Default is 'introselect'. order : str or list of str, optional     When `a` is an array with fields defined, this argument specifies     which fields to compare first, second, etc. A single field can     be specified as a string, and not all fields need to be specified,     but unspecified fields will still be used, in the order in which     they come up in the dtype, to break ties.   See Also -------- numpy.partition : Return a parititioned copy of an array. argpartition : Indirect partition. sort : Full sort.   Notes ----- See ``np.partition`` for notes on the different algorithms.   Examples -------- >>> a = np.array([3, 4, 2, 1]) >>> a.partition(3) >>> a array([2, 1, 3, 4])   >>> a.partition((1, 3)) array([1, 2, 3, 4]) prod(...) a.prod(axis=None, dtype=None, out=None, keepdims=False)   Return the product of the array elements over the given axis   Refer to `numpy.prod` for full documentation.   See Also -------- numpy.prod : equivalent function ptp(...) a.ptp(axis=None, out=None, keepdims=False)   Peak to peak (maximum - minimum) value along a given axis.   Refer to `numpy.ptp` for full documentation.   See Also -------- numpy.ptp : equivalent function put(...) a.put(indices, values, mode='raise')   Set ``a.flat[n] = values[n]`` for all `n` in indices.   Refer to `numpy.put` for full documentation.   See Also -------- numpy.put : equivalent function ravel(...) a.ravel([order])   Return a flattened array.   Refer to `numpy.ravel` for full documentation.   See Also -------- numpy.ravel : equivalent function   ndarray.flat : a flat iterator on the array. repeat(...) a.repeat(repeats, axis=None)   Repeat elements of an array.   Refer to `numpy.repeat` for full documentation.   See Also -------- numpy.repeat : equivalent function reshape(...) a.reshape(shape, order='C')   Returns an array containing the same data with a new shape.   Refer to `numpy.reshape` for full documentation.   See Also -------- numpy.reshape : equivalent function   Notes ----- Unlike the free function `numpy.reshape`, this method on `ndarray` allows the elements of the shape parameter to be passed in as separate arguments. For example, ``a.reshape(10, 11)`` is equivalent to ``a.reshape((10, 11))``. resize(...) a.resize(new_shape, refcheck=True)   Change shape and size of array in-place.   Parameters ---------- new_shape : tuple of ints, or `n` ints     Shape of resized array. refcheck : bool, optional     If False, reference count will not be checked. Default is True.   Returns ------- None   Raises ------ ValueError     If `a` does not own its own data or references or views to it exist,     and the data memory must be changed.     PyPy only: will always raise if the data memory must be changed, since     there is no reliable way to determine if references or views to it     exist.   SystemError     If the `order` keyword argument is specified. This behaviour is a     bug in NumPy.   See Also -------- resize : Return a new array with the specified shape.   Notes ----- This reallocates space for the data area if necessary.   Only contiguous arrays (data elements consecutive in memory) can be resized.   The purpose of the reference count check is to make sure you do not use this array as a buffer for another Python object and then reallocate the memory. However, reference counts can increase in other ways so if you are sure that you have not shared the memory for this array with another Python object, then you may safely set `refcheck` to False.   Examples -------- Shrinking an array: array is flattened (in the order that the data are stored in memory), resized, and reshaped:   >>> a = np.array([[0, 1], [2, 3]], order='C') >>> a.resize((2, 1)) >>> a array([[0],        [1]])   >>> a = np.array([[0, 1], [2, 3]], order='F') >>> a.resize((2, 1)) >>> a array([[0],        [2]])   Enlarging an array: as above, but missing entries are filled with zeros:   >>> b = np.array([[0, 1], [2, 3]]) >>> b.resize(2, 3) # new_shape parameter doesn't have to be a tuple >>> b array([[0, 1, 2],        [3, 0, 0]])   Referencing an array prevents resizing...   >>> c = a >>> a.resize((1, 1)) Traceback (most recent call last): ... ValueError: cannot resize an array that has been referenced ...   Unless `refcheck` is False:   >>> a.resize((1, 1), refcheck=False) >>> a array([[0]]) >>> c array([[0]]) round(...) a.round(decimals=0, out=None)   Return `a` with each element rounded to the given number of decimals.   Refer to `numpy.around` for full documentation.   See Also -------- numpy.around : equivalent function searchsorted(...) a.searchsorted(v, side='left', sorter=None)   Find indices where elements of v should be inserted in a to maintain order.   For full documentation, see `numpy.searchsorted`   See Also -------- numpy.searchsorted : equivalent function setfield(...) a.setfield(val, dtype, offset=0)   Put a value into a specified place in a field defined by a data-type.   Place `val` into `a`'s field defined by `dtype` and beginning `offset` bytes into the field.   Parameters ---------- val : object     Value to be placed in field. dtype : dtype object     Data-type of the field in which to place `val`. offset : int, optional     The number of bytes into the field at which to place `val`.   Returns ------- None   See Also -------- getfield   Examples -------- >>> x = np.eye(3) >>> x.getfield(np.float64) array([[ 1.,  0.,  0.],        [ 0.,  1.,  0.],        [ 0.,  0.,  1.]]) >>> x.setfield(3, np.int32) >>> x.getfield(np.int32) array([[3, 3, 3],        [3, 3, 3],        [3, 3, 3]]) >>> x array([[  1.00000000e+000,   1.48219694e-323,   1.48219694e-323],        [  1.48219694e-323,   1.00000000e+000,   1.48219694e-323],        [  1.48219694e-323,   1.48219694e-323,   1.00000000e+000]]) >>> x.setfield(np.eye(3), np.int32) >>> x array([[ 1.,  0.,  0.],        [ 0.,  1.,  0.],        [ 0.,  0.,  1.]]) setflags(...) a.setflags(write=None, align=None, uic=None)   Set array flags WRITEABLE, ALIGNED, (WRITEBACKIFCOPY and UPDATEIFCOPY), respectively.   These Boolean-valued flags affect how numpy interprets the memory area used by `a` (see Notes below). The ALIGNED flag can only be set to True if the data is actually aligned according to the type. The WRITEBACKIFCOPY and (deprecated) UPDATEIFCOPY flags can never be set to True. The flag WRITEABLE can only be set to True if the array owns its own memory, or the ultimate owner of the memory exposes a writeable buffer interface, or is a string. (The exception for string is made so that unpickling can be done without copying memory.)   Parameters ---------- write : bool, optional     Describes whether or not `a` can be written to. align : bool, optional     Describes whether or not `a` is aligned properly for its type. uic : bool, optional     Describes whether or not `a` is a copy of another "base" array.   Notes ----- Array flags provide information about how the memory area used for the array is to be interpreted. There are 7 Boolean flags in use, only four of which can be changed by the user: WRITEBACKIFCOPY, UPDATEIFCOPY, WRITEABLE, and ALIGNED.   WRITEABLE (W) the data area can be written to;   ALIGNED (A) the data and strides are aligned appropriately for the hardware (as determined by the compiler);   UPDATEIFCOPY (U) (deprecated), replaced by WRITEBACKIFCOPY;   WRITEBACKIFCOPY (X) this array is a copy of some other array (referenced by .base). When the C-API function PyArray_ResolveWritebackIfCopy is called, the base array will be updated with the contents of this array.   All flags can be accessed using the single (upper case) letter as well as the full name.   Examples -------- >>> y array([[3, 1, 7],        [2, 0, 0],        [8, 5, 9]]) >>> y.flags   C_CONTIGUOUS : True   F_CONTIGUOUS : False   OWNDATA : True   WRITEABLE : True   ALIGNED : True   WRITEBACKIFCOPY : False   UPDATEIFCOPY : False >>> y.setflags(write=0, align=0) >>> y.flags   C_CONTIGUOUS : True   F_CONTIGUOUS : False   OWNDATA : True   WRITEABLE : False   ALIGNED : False   WRITEBACKIFCOPY : False   UPDATEIFCOPY : False >>> y.setflags(uic=1) Traceback (most recent call last):   File "<stdin>", line 1, in <module> ValueError: cannot set WRITEBACKIFCOPY flag to True sort(...) a.sort(axis=-1, kind='quicksort', order=None)   Sort an array, in-place.   Parameters ---------- axis : int, optional     Axis along which to sort. Default is -1, which means sort along the     last axis. kind : {'quicksort', 'mergesort', 'heapsort', 'stable'}, optional     Sorting algorithm. Default is 'quicksort'. order : str or list of str, optional     When `a` is an array with fields defined, this argument specifies     which fields to compare first, second, etc.  A single field can     be specified as a string, and not all fields need be specified,     but unspecified fields will still be used, in the order in which     they come up in the dtype, to break ties.   See Also -------- numpy.sort : Return a sorted copy of an array. argsort : Indirect sort. lexsort : Indirect stable sort on multiple keys. searchsorted : Find elements in sorted array. partition: Partial sort.   Notes ----- See ``sort`` for notes on the different sorting algorithms.   Examples -------- >>> a = np.array([[1,4], [3,1]]) >>> a.sort(axis=1) >>> a array([[1, 4],        [1, 3]]) >>> a.sort(axis=0) >>> a array([[1, 3],        [1, 4]])   Use the `order` keyword to specify a field to use when sorting a structured array:   >>> a = np.array([('a', 2), ('c', 1)], dtype=[('x', 'S1'), ('y', int)]) >>> a.sort(order='y') >>> a array([('c', 1), ('a', 2)],       dtype=[('x', '|S1'), ('y', '<i4')]) squeeze(...) a.squeeze(axis=None)   Remove single-dimensional entries from the shape of `a`.   Refer to `numpy.squeeze` for full documentation.   See Also -------- numpy.squeeze : equivalent function std(...) a.std(axis=None, dtype=None, out=None, ddof=0, keepdims=False)   Returns the standard deviation of the array elements along given axis.   Refer to `numpy.std` for full documentation.   See Also -------- numpy.std : equivalent function sum(...) a.sum(axis=None, dtype=None, out=None, keepdims=False)   Return the sum of the array elements over the given axis.   Refer to `numpy.sum` for full documentation.   See Also -------- numpy.sum : equivalent function swapaxes(...) a.swapaxes(axis1, axis2)   Return a view of the array with `axis1` and `axis2` interchanged.   Refer to `numpy.swapaxes` for full documentation.   See Also -------- numpy.swapaxes : equivalent function take(...) a.take(indices, axis=None, out=None, mode='raise')   Return an array formed from the elements of `a` at the given indices.   Refer to `numpy.take` for full documentation.   See Also -------- numpy.take : equivalent function tobytes(...) a.tobytes(order='C')   Construct Python bytes containing the raw data bytes in the array.   Constructs Python bytes showing a copy of the raw contents of data memory. The bytes object can be produced in either 'C' or 'Fortran', or 'Any' order (the default is 'C'-order). 'Any' order means C-order unless the F_CONTIGUOUS flag in the array is set, in which case it means 'Fortran' order.   .. versionadded:: 1.9.0   Parameters ---------- order : {'C', 'F', None}, optional     Order of the data for multidimensional arrays:     C, Fortran, or the same as for the original array.   Returns ------- s : bytes     Python bytes exhibiting a copy of `a`'s raw data.   Examples -------- >>> x = np.array([[0, 1], [2, 3]]) >>> x.tobytes() b'\x00\x00\x00\x00\x01\x00\x00\x00\x02\x00\x00\x00\x03\x00\x00\x00' >>> x.tobytes('C') == x.tobytes() True >>> x.tobytes('F') b'\x00\x00\x00\x00\x02\x00\x00\x00\x01\x00\x00\x00\x03\x00\x00\x00' tofile(...) a.tofile(fid, sep="", format="%s")   Write array to a file as text or binary (default).   Data is always written in 'C' order, independent of the order of `a`. The data produced by this method can be recovered using the function fromfile().   Parameters ---------- fid : file or str     An open file object, or a string containing a filename. sep : str     Separator between array items for text output.     If "" (empty), a binary file is written, equivalent to     ``file.write(a.tobytes())``. format : str     Format string for text file output.     Each entry in the array is formatted to text by first converting     it to the closest Python type, and then using "format" % item.   Notes ----- This is a convenience function for quick storage of array data. Information on endianness and precision is lost, so this method is not a good choice for files intended to archive data or transport data between machines with different endianness. Some of these problems can be overcome by outputting the data as text files, at the expense of speed and file size.   When fid is a file object, array contents are directly written to the file, bypassing the file object's ``write`` method. As a result, tofile cannot be used with files objects supporting compression (e.g., GzipFile) or file-like objects that do not support ``fileno()`` (e.g., BytesIO). tolist(...) a.tolist()   Return the array as a (possibly nested) list.   Return a copy of the array data as a (nested) Python list. Data items are converted to the nearest compatible Python type.   Parameters ---------- none   Returns ------- y : list     The possibly nested list of array elements.   Notes ----- The array may be recreated, ``a = np.array(a.tolist())``.   Examples -------- >>> a = np.array([1, 2]) >>> a.tolist() [1, 2] >>> a = np.array([[1, 2], [3, 4]]) >>> list(a) [array([1, 2]), array([3, 4])] >>> a.tolist() [[1, 2], [3, 4]] tostring(...) a.tostring(order='C')   Construct Python bytes containing the raw data bytes in the array.   Constructs Python bytes showing a copy of the raw contents of data memory. The bytes object can be produced in either 'C' or 'Fortran', or 'Any' order (the default is 'C'-order). 'Any' order means C-order unless the F_CONTIGUOUS flag in the array is set, in which case it means 'Fortran' order.   This function is a compatibility alias for tobytes. Despite its name it returns bytes not strings.   Parameters ---------- order : {'C', 'F', None}, optional     Order of the data for multidimensional arrays:     C, Fortran, or the same as for the original array.   Returns ------- s : bytes     Python bytes exhibiting a copy of `a`'s raw data.   Examples -------- >>> x = np.array([[0, 1], [2, 3]]) >>> x.tobytes() b'\x00\x00\x00\x00\x01\x00\x00\x00\x02\x00\x00\x00\x03\x00\x00\x00' >>> x.tobytes('C') == x.tobytes() True >>> x.tobytes('F') b'\x00\x00\x00\x00\x02\x00\x00\x00\x01\x00\x00\x00\x03\x00\x00\x00' trace(...) a.trace(offset=0, axis1=0, axis2=1, dtype=None, out=None)   Return the sum along diagonals of the array.   Refer to `numpy.trace` for full documentation.   See Also -------- numpy.trace : equivalent function transpose(...) a.transpose(*axes)   Returns a view of the array with axes transposed.   For a 1-D array, this has no effect. (To change between column and row vectors, first cast the 1-D array into a matrix object.) For a 2-D array, this is the usual matrix transpose. For an n-D array, if axes are given, their order indicates how the axes are permuted (see Examples). If axes are not provided and ``a.shape = (i[0], i[1], ... i[n-2], i[n-1])``, then ``a.transpose().shape = (i[n-1], i[n-2], ... i[1], i[0])``.   Parameters ---------- axes : None, tuple of ints, or `n` ints    * None or no argument: reverses the order of the axes.    * tuple of ints: `i` in the `j`-th place in the tuple means `a`'s    `i`-th axis becomes `a.transpose()`'s `j`-th axis.    * `n` ints: same as an n-tuple of the same ints (this form is    intended simply as a "convenience" alternative to the tuple form)   Returns ------- out : ndarray     View of `a`, with axes suitably permuted.   See Also -------- ndarray.T : Array property returning the array transposed.   Examples -------- >>> a = np.array([[1, 2], [3, 4]]) >>> a array([[1, 2],        [3, 4]]) >>> a.transpose() array([[1, 3],        [2, 4]]) >>> a.transpose((1, 0)) array([[1, 3],        [2, 4]]) >>> a.transpose(1, 0) array([[1, 3],        [2, 4]]) var(...) a.var(axis=None, dtype=None, out=None, ddof=0, keepdims=False)   Returns the variance of the array elements, along given axis.   Refer to `numpy.var` for full documentation.   See Also -------- numpy.var : equivalent function view(...) a.view(dtype=None, type=None)   New view of array with the same data.   Parameters ---------- dtype : data-type or ndarray sub-class, optional     Data-type descriptor of the returned view, e.g., float32 or int16. The     default, None, results in the view having the same data-type as `a`.     This argument can also be specified as an ndarray sub-class, which     then specifies the type of the returned object (this is equivalent to     setting the ``type`` parameter). type : Python type, optional     Type of the returned view, e.g., ndarray or matrix.  Again, the     default None results in type preservation.   Notes ----- ``a.view()`` is used two different ways:   ``a.view(some_dtype)`` or ``a.view(dtype=some_dtype)`` constructs a view of the array's memory with a different data-type.  This can cause a reinterpretation of the bytes of memory.   ``a.view(ndarray_subclass)`` or ``a.view(type=ndarray_subclass)`` just returns an instance of `ndarray_subclass` that looks at the same array (same shape, dtype, etc.)  This does not cause a reinterpretation of the memory.   For ``a.view(some_dtype)``, if ``some_dtype`` has a different number of bytes per entry than the previous dtype (for example, converting a regular array to a structured array), then the behavior of the view cannot be predicted just from the superficial appearance of ``a`` (shown by ``print(a)``). It also depends on exactly how ``a`` is stored in memory. Therefore if ``a`` is C-ordered versus fortran-ordered, versus defined as a slice or transpose, etc., the view may give different results.     Examples -------- >>> x = np.array([(1, 2)], dtype=[('a', np.int8), ('b', np.int8)])   Viewing array data using a different type and dtype:   >>> y = x.view(dtype=np.int16, type=np.matrix) >>> y matrix([[513]], dtype=int16) >>> print(type(y)) <class 'numpy.matrixlib.defmatrix.matrix'>   Creating a view on a structured array so it can be used in calculations   >>> x = np.array([(1, 2),(3,4)], dtype=[('a', np.int8), ('b', np.int8)]) >>> xv = x.view(dtype=np.int8).reshape(-1,2) >>> xv array([[1, 2],        [3, 4]], dtype=int8) >>> xv.mean(0) array([ 2.,  3.])   Making changes to the view changes the underlying array   >>> xv[0,1] = 20 >>> print(x) [(1, 20) (3, 4)]   Using a view to convert an array to a recarray:   >>> z = x.view(np.recarray) >>> z.a array([1], dtype=int8)   Views share data:   >>> x[0] = (9, 10) >>> z[0] (9, 10)   Views that change the dtype size (bytes per entry) should normally be avoided on arrays defined by slices, transposes, fortran-ordering, etc.:   >>> x = np.array([[1,2,3],[4,5,6]], dtype=np.int16) >>> y = x[:, 0:2] >>> y array([[1, 2],        [4, 5]], dtype=int16) >>> y.view(dtype=[('width', np.int16), ('length', np.int16)]) Traceback (most recent call last):   File "<stdin>", line 1, in <module> ValueError: new type not compatible with array. >>> z = y.copy() >>> z.view(dtype=[('width', np.int16), ('length', np.int16)]) array([[(1, 2)],        [(4, 5)]], dtype=[('width', '<i2'), ('length', '<i2')]) Data descriptors inherited from numpy.ndarray: T Same as self.transpose(), except that self is returned if self.ndim < 2.   Examples -------- >>> x = np.array([[1.,2.],[3.,4.]]) >>> x array([[ 1.,  2.],        [ 3.,  4.]]) >>> x.T array([[ 1.,  3.],        [ 2.,  4.]]) >>> x = np.array([1.,2.,3.,4.]) >>> x array([ 1.,  2.,  3.,  4.]) >>> x.T array([ 1.,  2.,  3.,  4.]) __array_interface__ Array protocol: Python side. __array_struct__ Array protocol: C-struct side. base Base object if memory is from some other object.   Examples -------- The base of an array that owns its memory is None:   >>> x = np.array([1,2,3,4]) >>> x.base is None True   Slicing creates a view, whose memory is shared with x:   >>> y = x[2:] >>> y.base is x True ctypes An object to simplify the interaction of the array with the ctypes module.   This attribute creates an object that makes it easier to use arrays when calling shared libraries with the ctypes module. The returned object has, among others, data, shape, and strides attributes (see Notes below) which themselves return ctypes objects that can be used as arguments to a shared library.   Parameters ---------- None   Returns ------- c : Python object     Possessing attributes data, shape, strides, etc.   See Also -------- numpy.ctypeslib   Notes ----- Below are the public attributes of this object which were documented in "Guide to NumPy" (we have omitted undocumented public attributes, as well as documented private attributes):   * data: A pointer to the memory area of the array as a Python integer.   This memory area may contain data that is not aligned, or not in correct   byte-order. The memory area may not even be writeable. The array   flags and data-type of this array should be respected when passing this   attribute to arbitrary C-code to avoid trouble that can include Python   crashing. User Beware! The value of this attribute is exactly the same   as self._array_interface_['data'][0].   * shape (c_intp*self.ndim): A ctypes array of length self.ndim where   the basetype is the C-integer corresponding to dtype('p') on this   platform. This base-type could be c_int, c_long, or c_longlong   depending on the platform. The c_intp type is defined accordingly in   numpy.ctypeslib. The ctypes array contains the shape of the underlying   array.   * strides (c_intp*self.ndim): A ctypes array of length self.ndim where   the basetype is the same as for the shape attribute. This ctypes array   contains the strides information from the underlying array. This strides   information is important for showing how many bytes must be jumped to   get to the next element in the array.   * data_as(obj): Return the data pointer cast to a particular c-types object.   For example, calling self._as_parameter_ is equivalent to   self.data_as(ctypes.c_void_p). Perhaps you want to use the data as a   pointer to a ctypes array of floating-point data:   self.data_as(ctypes.POINTER(ctypes.c_double)).   * shape_as(obj): Return the shape tuple as an array of some other c-types   type. For example: self.shape_as(ctypes.c_short).   * strides_as(obj): Return the strides tuple as an array of some other   c-types type. For example: self.strides_as(ctypes.c_longlong).   Be careful using the ctypes attribute - especially on temporary arrays or arrays constructed on the fly. For example, calling ``(a+b).ctypes.data_as(ctypes.c_void_p)`` returns a pointer to memory that is invalid because the array created as (a+b) is deallocated before the next Python statement. You can avoid this problem using either ``c=a+b`` or ``ct=(a+b).ctypes``. In the latter case, ct will hold a reference to the array until ct is deleted or re-assigned.   If the ctypes module is not available, then the ctypes attribute of array objects still returns something useful, but ctypes objects are not returned and errors may be raised instead. In particular, the object will still have the as parameter attribute which will return an integer equal to the data attribute.   Examples -------- >>> import ctypes >>> x array([[0, 1],        [2, 3]]) >>> x.ctypes.data 30439712 >>> x.ctypes.data_as(ctypes.POINTER(ctypes.c_long)) <ctypes.LP_c_long object at 0x01F01300> >>> x.ctypes.data_as(ctypes.POINTER(ctypes.c_long)).contents c_long(0) >>> x.ctypes.data_as(ctypes.POINTER(ctypes.c_longlong)).contents c_longlong(4294967296L) >>> x.ctypes.shape <numpy.core._internal.c_long_Array_2 object at 0x01FFD580> >>> x.ctypes.shape_as(ctypes.c_long) <numpy.core._internal.c_long_Array_2 object at 0x01FCE620> >>> x.ctypes.strides <numpy.core._internal.c_long_Array_2 object at 0x01FCE620> >>> x.ctypes.strides_as(ctypes.c_longlong) <numpy.core._internal.c_longlong_Array_2 object at 0x01F01300> data Python buffer object pointing to the start of the array's data. dtype Data-type of the array's elements.   Parameters ---------- None   Returns ------- d : numpy dtype object   See Also -------- numpy.dtype   Examples -------- >>> x array([[0, 1],        [2, 3]]) >>> x.dtype dtype('int32') >>> type(x.dtype) <type 'numpy.dtype'> flags Information about the memory layout of the array.   Attributes ---------- C_CONTIGUOUS (C)     The data is in a single, C-style contiguous segment. F_CONTIGUOUS (F)     The data is in a single, Fortran-style contiguous segment. OWNDATA (O)     The array owns the memory it uses or borrows it from another object. WRITEABLE (W)     The data area can be written to.  Setting this to False locks     the data, making it read-only.  A view (slice, etc.) inherits WRITEABLE     from its base array at creation time, but a view of a writeable     array may be subsequently locked while the base array remains writeable.     (The opposite is not true, in that a view of a locked array may not     be made writeable.  However, currently, locking a base object does not     lock any views that already reference it, so under that circumstance it     is possible to alter the contents of a locked array via a previously     created writeable view onto it.)  Attempting to change a non-writeable     array raises a RuntimeError exception. ALIGNED (A)     The data and all elements are aligned appropriately for the hardware. WRITEBACKIFCOPY (X)     This array is a copy of some other array. The C-API function     PyArray_ResolveWritebackIfCopy must be called before deallocating     to the base array will be updated with the contents of this array. UPDATEIFCOPY (U)     (Deprecated, use WRITEBACKIFCOPY) This array is a copy of some other array.     When this array is     deallocated, the base array will be updated with the contents of     this array. FNC     F_CONTIGUOUS and not C_CONTIGUOUS. FORC     F_CONTIGUOUS or C_CONTIGUOUS (one-segment test). BEHAVED (B)     ALIGNED and WRITEABLE. CARRAY (CA)     BEHAVED and C_CONTIGUOUS. FARRAY (FA)     BEHAVED and F_CONTIGUOUS and not C_CONTIGUOUS.   Notes ----- The `flags` object can be accessed dictionary-like (as in ``a.flags['WRITEABLE']``), or by using lowercased attribute names (as in ``a.flags.writeable``). Short flag names are only supported in dictionary access.   Only the WRITEBACKIFCOPY, UPDATEIFCOPY, WRITEABLE, and ALIGNED flags can be changed by the user, via direct assignment to the attribute or dictionary entry, or by calling `ndarray.setflags`.   The array flags cannot be set arbitrarily:   - UPDATEIFCOPY can only be set ``False``. - WRITEBACKIFCOPY can only be set ``False``. - ALIGNED can only be set ``True`` if the data is truly aligned. - WRITEABLE can only be set ``True`` if the array owns its own memory   or the ultimate owner of the memory exposes a writeable buffer   interface or is a string.   Arrays can be both C-style and Fortran-style contiguous simultaneously. This is clear for 1-dimensional arrays, but can also be true for higher dimensional arrays.   Even for contiguous arrays a stride for a given dimension ``arr.strides[dim]`` may be *arbitrary* if ``arr.shape[dim] == 1`` or the array has no elements. It does *not* generally hold that ``self.strides[-1] == self.itemsize`` for C-style contiguous arrays or ``self.strides[0] == self.itemsize`` for Fortran-style contiguous arrays is true. flat A 1-D iterator over the array.   This is a `numpy.flatiter` instance, which acts similarly to, but is not a subclass of, Python's built-in iterator object.   See Also -------- flatten : Return a copy of the array collapsed into one dimension.   flatiter   Examples -------- >>> x = np.arange(1, 7).reshape(2, 3) >>> x array([[1, 2, 3],        [4, 5, 6]]) >>> x.flat[3] 4 >>> x.T array([[1, 4],        [2, 5],        [3, 6]]) >>> x.T.flat[3] 5 >>> type(x.flat) <type 'numpy.flatiter'>   An assignment example:   >>> x.flat = 3; x array([[3, 3, 3],        [3, 3, 3]]) >>> x.flat[[1,4]] = 1; x array([[3, 1, 3],        [3, 1, 3]]) imag The imaginary part of the array.   Examples -------- >>> x = np.sqrt([1+0j, 0+1j]) >>> x.imag array([ 0.        ,  0.70710678]) >>> x.imag.dtype dtype('float64') itemsize Length of one array element in bytes.   Examples -------- >>> x = np.array([1,2,3], dtype=np.float64) >>> x.itemsize 8 >>> x = np.array([1,2,3], dtype=np.complex128) >>> x.itemsize 16 nbytes Total bytes consumed by the elements of the array.   Notes ----- Does not include memory consumed by non-element attributes of the array object.   Examples -------- >>> x = np.zeros((3,5,2), dtype=np.complex128) >>> x.nbytes 480 >>> np.prod(x.shape) * x.itemsize 480 ndim Number of array dimensions.   Examples -------- >>> x = np.array([1, 2, 3]) >>> x.ndim 1 >>> y = np.zeros((2, 3, 4)) >>> y.ndim 3 real The real part of the array.   Examples -------- >>> x = np.sqrt([1+0j, 0+1j]) >>> x.real array([ 1.        ,  0.70710678]) >>> x.real.dtype dtype('float64')   See Also -------- numpy.real : equivalent function shape Tuple of array dimensions.   The shape property is usually used to get the current shape of an array, but may also be used to reshape the array in-place by assigning a tuple of array dimensions to it.  As with `numpy.reshape`, one of the new shape dimensions can be -1, in which case its value is inferred from the size of the array and the remaining dimensions. Reshaping an array in-place will fail if a copy is required.   Examples -------- >>> x = np.array([1, 2, 3, 4]) >>> x.shape (4,) >>> y = np.zeros((2, 3, 4)) >>> y.shape (2, 3, 4) >>> y.shape = (3, 8) >>> y array([[ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],        [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],        [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.]]) >>> y.shape = (3, 6) Traceback (most recent call last):   File "<stdin>", line 1, in <module> ValueError: total size of new array must be unchanged >>> np.zeros((4,2))[::2].shape = (-1,) Traceback (most recent call last):   File "<stdin>", line 1, in <module> AttributeError: incompatible shape for a non-contiguous array   See Also -------- numpy.reshape : similar function ndarray.reshape : similar method size Number of elements in the array.   Equal to ``np.prod(a.shape)``, i.e., the product of the array's dimensions.   Notes ----- `a.size` returns a standard arbitrary precision Python integer. This  may not be the case with other methods of obtaining the same value (like the suggested ``np.prod(a.shape)``, which returns an instance of ``np.int_``), and may be relevant if the value is used further in calculations that may overflow a fixed size integer type.   Examples -------- >>> x = np.zeros((3, 5, 2), dtype=np.complex128) >>> x.size 30 >>> np.prod(x.shape) 30 strides Tuple of bytes to step in each dimension when traversing an array.   The byte offset of element ``(i[0], i[1], ..., i[n])`` in an array `a` is::       offset = sum(np.array(i) * a.strides)   A more detailed explanation of strides can be found in the "ndarray.rst" file in the NumPy reference guide.   Notes ----- Imagine an array of 32-bit integers (each 4 bytes)::     x = np.array([[0, 1, 2, 3, 4],                 [5, 6, 7, 8, 9]], dtype=np.int32)   This array is stored in memory as 40 bytes, one after the other (known as a contiguous block of memory).  The strides of an array tell us how many bytes we have to skip in memory to move to the next position along a certain axis.  For example, we have to skip 4 bytes (1 value) to move to the next column, but 20 bytes (5 values) to get to the same position in the next row.  As such, the strides for the array `x` will be ``(20, 4)``.   See Also -------- numpy.lib.stride_tricks.as_strided   Examples -------- >>> y = np.reshape(np.arange(2*3*4), (2,3,4)) >>> y array([[[ 0,  1,  2,  3],         [ 4,  5,  6,  7],         [ 8,  9, 10, 11]],        [[12, 13, 14, 15],         [16, 17, 18, 19],         [20, 21, 22, 23]]]) >>> y.strides (48, 16, 4) >>> y[1,1,1] 17 >>> offset=sum(y.strides * np.array((1,1,1))) >>> offset/y.itemsize 17   >>> x = np.reshape(np.arange(5*6*7*8), (5,6,7,8)).transpose(2,3,1,0) >>> x.strides (32, 4, 224, 1344) >>> i = np.array([3,5,2,2]) >>> offset = sum(i * x.strides) >>> x[3,5,2,2] 813 >>> offset / x.itemsize 813 Data and other attributes inherited from numpy.ndarray: __hash__ = None   class ndarray(builtins.object)     ndarray(shape, dtype=float, buffer=None, offset=0,         strides=None, order=None)   An array object represents a multidimensional, homogeneous array of fixed-size items.  An associated data-type object describes the format of each element in the array (its byte-order, how many bytes it occupies in memory, whether it is an integer, a floating point number, or something else, etc.)   Arrays should be constructed using `array`, `zeros` or `empty` (refer to the See Also section below).  The parameters given here refer to a low-level method (`ndarray(...)`) for instantiating an array.   For more information, refer to the `numpy` module and examine the methods and attributes of an array.   Parameters ---------- (for the __new__ method; see Notes below)   shape : tuple of ints     Shape of created array. dtype : data-type, optional     Any object that can be interpreted as a numpy data type. buffer : object exposing buffer interface, optional     Used to fill the array with data. offset : int, optional     Offset of array data in buffer. strides : tuple of ints, optional     Strides of data in memory. order : {'C', 'F'}, optional     Row-major (C-style) or column-major (Fortran-style) order.   Attributes ---------- T : ndarray     Transpose of the array. data : buffer     The array's elements, in memory. dtype : dtype object     Describes the format of the elements in the array. flags : dict     Dictionary containing information related to memory use, e.g.,     'C_CONTIGUOUS', 'OWNDATA', 'WRITEABLE', etc. flat : numpy.flatiter object     Flattened version of the array as an iterator.  The iterator     allows assignments, e.g., ``x.flat = 3`` (See `ndarray.flat` for     assignment examples; TODO). imag : ndarray     Imaginary part of the array. real : ndarray     Real part of the array. size : int     Number of elements in the array. itemsize : int     The memory use of each array element in bytes. nbytes : int     The total number of bytes required to store the array data,     i.e., ``itemsize * size``. ndim : int     The array's number of dimensions. shape : tuple of ints     Shape of the array. strides : tuple of ints     The step-size required to move from one element to the next in     memory. For example, a contiguous ``(3, 4)`` array of type     ``int16`` in C-order has strides ``(8, 2)``.  This implies that     to move from element to element in memory requires jumps of 2 bytes.     To move from row-to-row, one needs to jump 8 bytes at a time     (``2 * 4``). ctypes : ctypes object     Class containing properties of the array needed for interaction     with ctypes. base : ndarray     If the array is a view into another array, that array is its `base`     (unless that array is also a view).  The `base` array is where the     array data is actually stored.   See Also -------- array : Construct an array. zeros : Create an array, each element of which is zero. empty : Create an array, but leave its allocated memory unchanged (i.e.,         it contains "garbage"). dtype : Create a data-type.   Notes ----- There are two modes of creating an array using ``__new__``:   1. If `buffer` is None, then only `shape`, `dtype`, and `order`    are used. 2. If `buffer` is an object exposing the buffer interface, then    all keywords are interpreted.   No ``__init__`` method is needed because the array is fully initialized after the ``__new__`` method.   Examples -------- These examples illustrate the low-level `ndarray` constructor.  Refer to the `See Also` section above for easier ways of constructing an ndarray.   First mode, `buffer` is None:   >>> np.ndarray(shape=(2,2), dtype=float, order='F') array([[ -1.13698227e+002,   4.25087011e-303],        [  2.88528414e-306,   3.27025015e-309]])         #random   Second mode:   >>> np.ndarray((2,), buffer=np.array([1,2,3]), ...            offset=np.int_().itemsize, ...            dtype=int) # offset = 1*itemsize, i.e. skip first element array([2, 3])     Methods defined here: __abs__(self, /) abs(self) __add__(self, value, /) Return self+value. __and__(self, value, /) Return self&value. __array__(...) a.__array__(|dtype) -> reference if type unchanged, copy otherwise.   Returns either a new reference to self if dtype is not given or a new array of provided data type if dtype is different from the current dtype of the array. __array_prepare__(...) a.__array_prepare__(obj) -> Object of same type as ndarray object obj. __array_ufunc__(...) __array_wrap__(...) a.__array_wrap__(obj) -> Object of same type as ndarray object a. __bool__(self, /) self != 0 __complex__(...) __contains__(self, key, /) Return key in self. __copy__(...) a.__copy__()   Used if :func:`copy.copy` is called on an array. Returns a copy of the array.   Equivalent to ``a.copy(order='K')``. __deepcopy__(...) a.__deepcopy__(memo, /) -> Deep copy of array.   Used if :func:`copy.deepcopy` is called on an array. __delitem__(self, key, /) Delete self[key]. __divmod__(self, value, /) Return divmod(self, value). __eq__(self, value, /) Return self==value. __float__(self, /) float(self) __floordiv__(self, value, /) Return self//value. __format__(...) default object formatter __ge__(self, value, /) Return self>=value. __getitem__(self, key, /) Return self[key]. __gt__(self, value, /) Return self>value. __iadd__(self, value, /) Return self+=value. __iand__(self, value, /) Return self&=value. __ifloordiv__(self, value, /) Return self//=value. __ilshift__(self, value, /) Return self<<=value. __imatmul__(self, value, /) Return self@=value. __imod__(self, value, /) Return self%=value. __imul__(self, value, /) Return self*=value. __index__(self, /) Return self converted to an integer, if self is suitable for use as an index into a list. __int__(self, /) int(self) __invert__(self, /) ~self __ior__(self, value, /) Return self|=value. __ipow__(self, value, /) Return self**=value. __irshift__(self, value, /) Return self>>=value. __isub__(self, value, /) Return self-=value. __iter__(self, /) Implement iter(self). __itruediv__(self, value, /) Return self/=value. __ixor__(self, value, /) Return self^=value. __le__(self, value, /) Return self<=value. __len__(self, /) Return len(self). __lshift__(self, value, /) Return self<<value. __lt__(self, value, /) Return self<value. __matmul__(self, value, /) Return self@value. __mod__(self, value, /) Return self%value. __mul__(self, value, /) Return self*value. __ne__(self, value, /) Return self!=value. __neg__(self, /) -self __new__(*args, **kwargs) from builtins.type Create and return a new object.  See help(type) for accurate signature. __or__(self, value, /) Return self|value. __pos__(self, /) +self __pow__(self, value, mod=None, /) Return pow(self, value, mod). __radd__(self, value, /) Return value+self. __rand__(self, value, /) Return value&self. __rdivmod__(self, value, /) Return divmod(value, self). __reduce__(...) a.__reduce__()   For pickling. __repr__(self, /) Return repr(self). __rfloordiv__(self, value, /) Return value//self. __rlshift__(self, value, /) Return value<<self. __rmatmul__(self, value, /) Return value@self. __rmod__(self, value, /) Return value%self. __rmul__(self, value, /) Return value*self. __ror__(self, value, /) Return value|self. __rpow__(self, value, mod=None, /) Return pow(value, self, mod). __rrshift__(self, value, /) Return value>>self. __rshift__(self, value, /) Return self>>value. __rsub__(self, value, /) Return value-self. __rtruediv__(self, value, /) Return value/self. __rxor__(self, value, /) Return value^self. __setitem__(self, key, value, /) Set self[key] to value. __setstate__(...) a.__setstate__(state, /)   For unpickling.   The `state` argument must be a sequence that contains the following elements:   Parameters ---------- version : int     optional pickle version. If omitted defaults to 0. shape : tuple dtype : data-type isFortran : bool rawdata : string or list     a binary string with the data (or a list if 'a' is an object array) __sizeof__(...) __sizeof__() -> int size of object in memory, in bytes __str__(self, /) Return str(self). __sub__(self, value, /) Return self-value. __truediv__(self, value, /) Return self/value. __xor__(self, value, /) Return self^value. all(...) a.all(axis=None, out=None, keepdims=False)   Returns True if all elements evaluate to True.   Refer to `numpy.all` for full documentation.   See Also -------- numpy.all : equivalent function any(...) a.any(axis=None, out=None, keepdims=False)   Returns True if any of the elements of `a` evaluate to True.   Refer to `numpy.any` for full documentation.   See Also -------- numpy.any : equivalent function argmax(...) a.argmax(axis=None, out=None)   Return indices of the maximum values along the given axis.   Refer to `numpy.argmax` for full documentation.   See Also -------- numpy.argmax : equivalent function argmin(...) a.argmin(axis=None, out=None)   Return indices of the minimum values along the given axis of `a`.   Refer to `numpy.argmin` for detailed documentation.   See Also -------- numpy.argmin : equivalent function argpartition(...) a.argpartition(kth, axis=-1, kind='introselect', order=None)   Returns the indices that would partition this array.   Refer to `numpy.argpartition` for full documentation.   .. versionadded:: 1.8.0   See Also -------- numpy.argpartition : equivalent function argsort(...) a.argsort(axis=-1, kind='quicksort', order=None)   Returns the indices that would sort this array.   Refer to `numpy.argsort` for full documentation.   See Also -------- numpy.argsort : equivalent function astype(...) a.astype(dtype, order='K', casting='unsafe', subok=True, copy=True)   Copy of the array, cast to a specified type.   Parameters ---------- dtype : str or dtype     Typecode or data-type to which the array is cast. order : {'C', 'F', 'A', 'K'}, optional     Controls the memory layout order of the result.     'C' means C order, 'F' means Fortran order, 'A'     means 'F' order if all the arrays are Fortran contiguous,     'C' order otherwise, and 'K' means as close to the     order the array elements appear in memory as possible.     Default is 'K'. casting : {'no', 'equiv', 'safe', 'same_kind', 'unsafe'}, optional     Controls what kind of data casting may occur. Defaults to 'unsafe'     for backwards compatibility.         * 'no' means the data types should not be cast at all.       * 'equiv' means only byte-order changes are allowed.       * 'safe' means only casts which can preserve values are allowed.       * 'same_kind' means only safe casts or casts within a kind,         like float64 to float32, are allowed.       * 'unsafe' means any data conversions may be done. subok : bool, optional     If True, then sub-classes will be passed-through (default), otherwise     the returned array will be forced to be a base-class array. copy : bool, optional     By default, astype always returns a newly allocated array. If this     is set to false, and the `dtype`, `order`, and `subok`     requirements are satisfied, the input array is returned instead     of a copy.   Returns ------- arr_t : ndarray     Unless `copy` is False and the other conditions for returning the input     array are satisfied (see description for `copy` input parameter), `arr_t`     is a new array of the same shape as the input array, with dtype, order     given by `dtype`, `order`.   Notes ----- Starting in NumPy 1.9, astype method now returns an error if the string dtype to cast to is not long enough in 'safe' casting mode to hold the max value of integer/float array that is being casted. Previously the casting was allowed even if the result was truncated.   Raises ------ ComplexWarning     When casting from complex to float or int. To avoid this,     one should use ``a.real.astype(t)``.   Examples -------- >>> x = np.array([1, 2, 2.5]) >>> x array([ 1. ,  2. ,  2.5])   >>> x.astype(int) array([1, 2, 2]) byteswap(...) a.byteswap(inplace=False)   Swap the bytes of the array elements   Toggle between low-endian and big-endian data representation by returning a byteswapped array, optionally swapped in-place.   Parameters ---------- inplace : bool, optional     If ``True``, swap bytes in-place, default is ``False``.   Returns ------- out : ndarray     The byteswapped array. If `inplace` is ``True``, this is     a view to self.   Examples -------- >>> A = np.array([1, 256, 8755], dtype=np.int16) >>> map(hex, A) ['0x1', '0x100', '0x2233'] >>> A.byteswap(inplace=True) array([  256,     1, 13090], dtype=int16) >>> map(hex, A) ['0x100', '0x1', '0x3322']   Arrays of strings are not swapped   >>> A = np.array(['ceg', 'fac']) >>> A.byteswap() array(['ceg', 'fac'],       dtype='|S3') choose(...) a.choose(choices, out=None, mode='raise')   Use an index array to construct a new array from a set of choices.   Refer to `numpy.choose` for full documentation.   See Also -------- numpy.choose : equivalent function clip(...) a.clip(min=None, max=None, out=None)   Return an array whose values are limited to ``[min, max]``. One of max or min must be given.   Refer to `numpy.clip` for full documentation.   See Also -------- numpy.clip : equivalent function compress(...) a.compress(condition, axis=None, out=None)   Return selected slices of this array along given axis.   Refer to `numpy.compress` for full documentation.   See Also -------- numpy.compress : equivalent function conj(...) a.conj()   Complex-conjugate all elements.   Refer to `numpy.conjugate` for full documentation.   See Also -------- numpy.conjugate : equivalent function conjugate(...) a.conjugate()   Return the complex conjugate, element-wise.   Refer to `numpy.conjugate` for full documentation.   See Also -------- numpy.conjugate : equivalent function copy(...) a.copy(order='C')   Return a copy of the array.   Parameters ---------- order : {'C', 'F', 'A', 'K'}, optional     Controls the memory layout of the copy. 'C' means C-order,     'F' means F-order, 'A' means 'F' if `a` is Fortran contiguous,     'C' otherwise. 'K' means match the layout of `a` as closely     as possible. (Note that this function and :func:`numpy.copy` are very     similar, but have different default values for their order=     arguments.)   See also -------- numpy.copy numpy.copyto   Examples -------- >>> x = np.array([[1,2,3],[4,5,6]], order='F')   >>> y = x.copy()   >>> x.fill(0)   >>> x array([[0, 0, 0],        [0, 0, 0]])   >>> y array([[1, 2, 3],        [4, 5, 6]])   >>> y.flags['C_CONTIGUOUS'] True cumprod(...) a.cumprod(axis=None, dtype=None, out=None)   Return the cumulative product of the elements along the given axis.   Refer to `numpy.cumprod` for full documentation.   See Also -------- numpy.cumprod : equivalent function cumsum(...) a.cumsum(axis=None, dtype=None, out=None)   Return the cumulative sum of the elements along the given axis.   Refer to `numpy.cumsum` for full documentation.   See Also -------- numpy.cumsum : equivalent function diagonal(...) a.diagonal(offset=0, axis1=0, axis2=1)   Return specified diagonals. In NumPy 1.9 the returned array is a read-only view instead of a copy as in previous NumPy versions.  In a future version the read-only restriction will be removed.   Refer to :func:`numpy.diagonal` for full documentation.   See Also -------- numpy.diagonal : equivalent function dot(...) a.dot(b, out=None)   Dot product of two arrays.   Refer to `numpy.dot` for full documentation.   See Also -------- numpy.dot : equivalent function   Examples -------- >>> a = np.eye(2) >>> b = np.ones((2, 2)) * 2 >>> a.dot(b) array([[ 2.,  2.],        [ 2.,  2.]])   This array method can be conveniently chained:   >>> a.dot(b).dot(b) array([[ 8.,  8.],        [ 8.,  8.]]) dump(...) a.dump(file)   Dump a pickle of the array to the specified file. The array can be read back with pickle.load or numpy.load.   Parameters ---------- file : str     A string naming the dump file. dumps(...) a.dumps()   Returns the pickle of the array as a string. pickle.loads or numpy.loads will convert the string back to an array.   Parameters ---------- None fill(...) a.fill(value)   Fill the array with a scalar value.   Parameters ---------- value : scalar     All elements of `a` will be assigned this value.   Examples -------- >>> a = np.array([1, 2]) >>> a.fill(0) >>> a array([0, 0]) >>> a = np.empty(2) >>> a.fill(1) >>> a array([ 1.,  1.]) flatten(...) a.flatten(order='C')   Return a copy of the array collapsed into one dimension.   Parameters ---------- order : {'C', 'F', 'A', 'K'}, optional     'C' means to flatten in row-major (C-style) order.     'F' means to flatten in column-major (Fortran-     style) order. 'A' means to flatten in column-major     order if `a` is Fortran *contiguous* in memory,     row-major order otherwise. 'K' means to flatten     `a` in the order the elements occur in memory.     The default is 'C'.   Returns ------- y : ndarray     A copy of the input array, flattened to one dimension.   See Also -------- ravel : Return a flattened array. flat : A 1-D flat iterator over the array.   Examples -------- >>> a = np.array([[1,2], [3,4]]) >>> a.flatten() array([1, 2, 3, 4]) >>> a.flatten('F') array([1, 3, 2, 4]) getfield(...) a.getfield(dtype, offset=0)   Returns a field of the given array as a certain type.   A field is a view of the array data with a given data-type. The values in the view are determined by the given type and the offset into the current array in bytes. The offset needs to be such that the view dtype fits in the array dtype; for example an array of dtype complex128 has 16-byte elements. If taking a view with a 32-bit integer (4 bytes), the offset needs to be between 0 and 12 bytes.   Parameters ---------- dtype : str or dtype     The data type of the view. The dtype size of the view can not be larger     than that of the array itself. offset : int     Number of bytes to skip before beginning the element view.   Examples -------- >>> x = np.diag([1.+1.j]*2) >>> x[1, 1] = 2 + 4.j >>> x array([[ 1.+1.j,  0.+0.j],        [ 0.+0.j,  2.+4.j]]) >>> x.getfield(np.float64) array([[ 1.,  0.],        [ 0.,  2.]])   By choosing an offset of 8 bytes we can select the complex part of the array for our view:   >>> x.getfield(np.float64, offset=8) array([[ 1.,  0.],    [ 0.,  4.]]) item(...) a.item(*args)   Copy an element of an array to a standard Python scalar and return it.   Parameters ---------- \*args : Arguments (variable number and type)       * none: in this case, the method only works for arrays       with one element (`a.size == 1`), which element is       copied into a standard Python scalar object and returned.       * int_type: this argument is interpreted as a flat index into       the array, specifying which element to copy and return.       * tuple of int_types: functions as does a single int_type argument,       except that the argument is interpreted as an nd-index into the       array.   Returns ------- z : Standard Python scalar object     A copy of the specified element of the array as a suitable     Python scalar   Notes ----- When the data type of `a` is longdouble or clongdouble, item() returns a scalar array object because there is no available Python scalar that would not lose information. Void arrays return a buffer object for item(), unless fields are defined, in which case a tuple is returned.   `item` is very similar to a[args], except, instead of an array scalar, a standard Python scalar is returned. This can be useful for speeding up access to elements of the array and doing arithmetic on elements of the array using Python's optimized math.   Examples -------- >>> x = np.random.randint(9, size=(3, 3)) >>> x array([[3, 1, 7],        [2, 8, 3],        [8, 5, 3]]) >>> x.item(3) 2 >>> x.item(7) 5 >>> x.item((0, 1)) 1 >>> x.item((2, 2)) 3 itemset(...) a.itemset(*args)   Insert scalar into an array (scalar is cast to array's dtype, if possible)   There must be at least 1 argument, and define the last argument as *item*.  Then, ``a.itemset(*args)`` is equivalent to but faster than ``a[args] = item``.  The item should be a scalar value and `args` must select a single item in the array `a`.   Parameters ---------- \*args : Arguments     If one argument: a scalar, only used in case `a` is of size 1.     If two arguments: the last argument is the value to be set     and must be a scalar, the first argument specifies a single array     element location. It is either an int or a tuple.   Notes ----- Compared to indexing syntax, `itemset` provides some speed increase for placing a scalar into a particular location in an `ndarray`, if you must do this.  However, generally this is discouraged: among other problems, it complicates the appearance of the code. Also, when using `itemset` (and `item`) inside a loop, be sure to assign the methods to a local variable to avoid the attribute look-up at each loop iteration.   Examples -------- >>> x = np.random.randint(9, size=(3, 3)) >>> x array([[3, 1, 7],        [2, 8, 3],        [8, 5, 3]]) >>> x.itemset(4, 0) >>> x.itemset((2, 2), 9) >>> x array([[3, 1, 7],        [2, 0, 3],        [8, 5, 9]]) max(...) a.max(axis=None, out=None, keepdims=False)   Return the maximum along a given axis.   Refer to `numpy.amax` for full documentation.   See Also -------- numpy.amax : equivalent function mean(...) a.mean(axis=None, dtype=None, out=None, keepdims=False)   Returns the average of the array elements along given axis.   Refer to `numpy.mean` for full documentation.   See Also -------- numpy.mean : equivalent function min(...) a.min(axis=None, out=None, keepdims=False)   Return the minimum along a given axis.   Refer to `numpy.amin` for full documentation.   See Also -------- numpy.amin : equivalent function newbyteorder(...) arr.newbyteorder(new_order='S')   Return the array with the same data viewed with a different byte order.   Equivalent to::       arr.view(arr.dtype.newbytorder(new_order))   Changes are also made in all fields and sub-arrays of the array data type.       Parameters ---------- new_order : string, optional     Byte order to force; a value from the byte order specifications     below. `new_order` codes can be any of:       * 'S' - swap dtype from current to opposite endian     * {'<', 'L'} - little endian     * {'>', 'B'} - big endian     * {'=', 'N'} - native order     * {'|', 'I'} - ignore (no change to byte order)       The default value ('S') results in swapping the current     byte order. The code does a case-insensitive check on the first     letter of `new_order` for the alternatives above.  For example,     any of 'B' or 'b' or 'biggish' are valid to specify big-endian.     Returns ------- new_arr : array     New array object with the dtype reflecting given change to the     byte order. nonzero(...) a.nonzero()   Return the indices of the elements that are non-zero.   Refer to `numpy.nonzero` for full documentation.   See Also -------- numpy.nonzero : equivalent function partition(...) a.partition(kth, axis=-1, kind='introselect', order=None)   Rearranges the elements in the array in such a way that the value of the element in kth position is in the position it would be in a sorted array. All elements smaller than the kth element are moved before this element and all equal or greater are moved behind it. The ordering of the elements in the two partitions is undefined.   .. versionadded:: 1.8.0   Parameters ---------- kth : int or sequence of ints     Element index to partition by. The kth element value will be in its     final sorted position and all smaller elements will be moved before it     and all equal or greater elements behind it.     The order of all elements in the partitions is undefined.     If provided with a sequence of kth it will partition all elements     indexed by kth of them into their sorted position at once. axis : int, optional     Axis along which to sort. Default is -1, which means sort along the     last axis. kind : {'introselect'}, optional     Selection algorithm. Default is 'introselect'. order : str or list of str, optional     When `a` is an array with fields defined, this argument specifies     which fields to compare first, second, etc. A single field can     be specified as a string, and not all fields need to be specified,     but unspecified fields will still be used, in the order in which     they come up in the dtype, to break ties.   See Also -------- numpy.partition : Return a parititioned copy of an array. argpartition : Indirect partition. sort : Full sort.   Notes ----- See ``np.partition`` for notes on the different algorithms.   Examples -------- >>> a = np.array([3, 4, 2, 1]) >>> a.partition(3) >>> a array([2, 1, 3, 4])   >>> a.partition((1, 3)) array([1, 2, 3, 4]) prod(...) a.prod(axis=None, dtype=None, out=None, keepdims=False)   Return the product of the array elements over the given axis   Refer to `numpy.prod` for full documentation.   See Also -------- numpy.prod : equivalent function ptp(...) a.ptp(axis=None, out=None, keepdims=False)   Peak to peak (maximum - minimum) value along a given axis.   Refer to `numpy.ptp` for full documentation.   See Also -------- numpy.ptp : equivalent function put(...) a.put(indices, values, mode='raise')   Set ``a.flat[n] = values[n]`` for all `n` in indices.   Refer to `numpy.put` for full documentation.   See Also -------- numpy.put : equivalent function ravel(...) a.ravel([order])   Return a flattened array.   Refer to `numpy.ravel` for full documentation.   See Also -------- numpy.ravel : equivalent function   ndarray.flat : a flat iterator on the array. repeat(...) a.repeat(repeats, axis=None)   Repeat elements of an array.   Refer to `numpy.repeat` for full documentation.   See Also -------- numpy.repeat : equivalent function reshape(...) a.reshape(shape, order='C')   Returns an array containing the same data with a new shape.   Refer to `numpy.reshape` for full documentation.   See Also -------- numpy.reshape : equivalent function   Notes ----- Unlike the free function `numpy.reshape`, this method on `ndarray` allows the elements of the shape parameter to be passed in as separate arguments. For example, ``a.reshape(10, 11)`` is equivalent to ``a.reshape((10, 11))``. resize(...) a.resize(new_shape, refcheck=True)   Change shape and size of array in-place.   Parameters ---------- new_shape : tuple of ints, or `n` ints     Shape of resized array. refcheck : bool, optional     If False, reference count will not be checked. Default is True.   Returns ------- None   Raises ------ ValueError     If `a` does not own its own data or references or views to it exist,     and the data memory must be changed.     PyPy only: will always raise if the data memory must be changed, since     there is no reliable way to determine if references or views to it     exist.   SystemError     If the `order` keyword argument is specified. This behaviour is a     bug in NumPy.   See Also -------- resize : Return a new array with the specified shape.   Notes ----- This reallocates space for the data area if necessary.   Only contiguous arrays (data elements consecutive in memory) can be resized.   The purpose of the reference count check is to make sure you do not use this array as a buffer for another Python object and then reallocate the memory. However, reference counts can increase in other ways so if you are sure that you have not shared the memory for this array with another Python object, then you may safely set `refcheck` to False.   Examples -------- Shrinking an array: array is flattened (in the order that the data are stored in memory), resized, and reshaped:   >>> a = np.array([[0, 1], [2, 3]], order='C') >>> a.resize((2, 1)) >>> a array([[0],        [1]])   >>> a = np.array([[0, 1], [2, 3]], order='F') >>> a.resize((2, 1)) >>> a array([[0],        [2]])   Enlarging an array: as above, but missing entries are filled with zeros:   >>> b = np.array([[0, 1], [2, 3]]) >>> b.resize(2, 3) # new_shape parameter doesn't have to be a tuple >>> b array([[0, 1, 2],        [3, 0, 0]])   Referencing an array prevents resizing...   >>> c = a >>> a.resize((1, 1)) Traceback (most recent call last): ... ValueError: cannot resize an array that has been referenced ...   Unless `refcheck` is False:   >>> a.resize((1, 1), refcheck=False) >>> a array([[0]]) >>> c array([[0]]) round(...) a.round(decimals=0, out=None)   Return `a` with each element rounded to the given number of decimals.   Refer to `numpy.around` for full documentation.   See Also -------- numpy.around : equivalent function searchsorted(...) a.searchsorted(v, side='left', sorter=None)   Find indices where elements of v should be inserted in a to maintain order.   For full documentation, see `numpy.searchsorted`   See Also -------- numpy.searchsorted : equivalent function setfield(...) a.setfield(val, dtype, offset=0)   Put a value into a specified place in a field defined by a data-type.   Place `val` into `a`'s field defined by `dtype` and beginning `offset` bytes into the field.   Parameters ---------- val : object     Value to be placed in field. dtype : dtype object     Data-type of the field in which to place `val`. offset : int, optional     The number of bytes into the field at which to place `val`.   Returns ------- None   See Also -------- getfield   Examples -------- >>> x = np.eye(3) >>> x.getfield(np.float64) array([[ 1.,  0.,  0.],        [ 0.,  1.,  0.],        [ 0.,  0.,  1.]]) >>> x.setfield(3, np.int32) >>> x.getfield(np.int32) array([[3, 3, 3],        [3, 3, 3],        [3, 3, 3]]) >>> x array([[  1.00000000e+000,   1.48219694e-323,   1.48219694e-323],        [  1.48219694e-323,   1.00000000e+000,   1.48219694e-323],        [  1.48219694e-323,   1.48219694e-323,   1.00000000e+000]]) >>> x.setfield(np.eye(3), np.int32) >>> x array([[ 1.,  0.,  0.],        [ 0.,  1.,  0.],        [ 0.,  0.,  1.]]) setflags(...) a.setflags(write=None, align=None, uic=None)   Set array flags WRITEABLE, ALIGNED, (WRITEBACKIFCOPY and UPDATEIFCOPY), respectively.   These Boolean-valued flags affect how numpy interprets the memory area used by `a` (see Notes below). The ALIGNED flag can only be set to True if the data is actually aligned according to the type. The WRITEBACKIFCOPY and (deprecated) UPDATEIFCOPY flags can never be set to True. The flag WRITEABLE can only be set to True if the array owns its own memory, or the ultimate owner of the memory exposes a writeable buffer interface, or is a string. (The exception for string is made so that unpickling can be done without copying memory.)   Parameters ---------- write : bool, optional     Describes whether or not `a` can be written to. align : bool, optional     Describes whether or not `a` is aligned properly for its type. uic : bool, optional     Describes whether or not `a` is a copy of another "base" array.   Notes ----- Array flags provide information about how the memory area used for the array is to be interpreted. There are 7 Boolean flags in use, only four of which can be changed by the user: WRITEBACKIFCOPY, UPDATEIFCOPY, WRITEABLE, and ALIGNED.   WRITEABLE (W) the data area can be written to;   ALIGNED (A) the data and strides are aligned appropriately for the hardware (as determined by the compiler);   UPDATEIFCOPY (U) (deprecated), replaced by WRITEBACKIFCOPY;   WRITEBACKIFCOPY (X) this array is a copy of some other array (referenced by .base). When the C-API function PyArray_ResolveWritebackIfCopy is called, the base array will be updated with the contents of this array.   All flags can be accessed using the single (upper case) letter as well as the full name.   Examples -------- >>> y array([[3, 1, 7],        [2, 0, 0],        [8, 5, 9]]) >>> y.flags   C_CONTIGUOUS : True   F_CONTIGUOUS : False   OWNDATA : True   WRITEABLE : True   ALIGNED : True   WRITEBACKIFCOPY : False   UPDATEIFCOPY : False >>> y.setflags(write=0, align=0) >>> y.flags   C_CONTIGUOUS : True   F_CONTIGUOUS : False   OWNDATA : True   WRITEABLE : False   ALIGNED : False   WRITEBACKIFCOPY : False   UPDATEIFCOPY : False >>> y.setflags(uic=1) Traceback (most recent call last):   File "<stdin>", line 1, in <module> ValueError: cannot set WRITEBACKIFCOPY flag to True sort(...) a.sort(axis=-1, kind='quicksort', order=None)   Sort an array, in-place.   Parameters ---------- axis : int, optional     Axis along which to sort. Default is -1, which means sort along the     last axis. kind : {'quicksort', 'mergesort', 'heapsort', 'stable'}, optional     Sorting algorithm. Default is 'quicksort'. order : str or list of str, optional     When `a` is an array with fields defined, this argument specifies     which fields to compare first, second, etc.  A single field can     be specified as a string, and not all fields need be specified,     but unspecified fields will still be used, in the order in which     they come up in the dtype, to break ties.   See Also -------- numpy.sort : Return a sorted copy of an array. argsort : Indirect sort. lexsort : Indirect stable sort on multiple keys. searchsorted : Find elements in sorted array. partition: Partial sort.   Notes ----- See ``sort`` for notes on the different sorting algorithms.   Examples -------- >>> a = np.array([[1,4], [3,1]]) >>> a.sort(axis=1) >>> a array([[1, 4],        [1, 3]]) >>> a.sort(axis=0) >>> a array([[1, 3],        [1, 4]])   Use the `order` keyword to specify a field to use when sorting a structured array:   >>> a = np.array([('a', 2), ('c', 1)], dtype=[('x', 'S1'), ('y', int)]) >>> a.sort(order='y') >>> a array([('c', 1), ('a', 2)],       dtype=[('x', '|S1'), ('y', '<i4')]) squeeze(...) a.squeeze(axis=None)   Remove single-dimensional entries from the shape of `a`.   Refer to `numpy.squeeze` for full documentation.   See Also -------- numpy.squeeze : equivalent function std(...) a.std(axis=None, dtype=None, out=None, ddof=0, keepdims=False)   Returns the standard deviation of the array elements along given axis.   Refer to `numpy.std` for full documentation.   See Also -------- numpy.std : equivalent function sum(...) a.sum(axis=None, dtype=None, out=None, keepdims=False)   Return the sum of the array elements over the given axis.   Refer to `numpy.sum` for full documentation.   See Also -------- numpy.sum : equivalent function swapaxes(...) a.swapaxes(axis1, axis2)   Return a view of the array with `axis1` and `axis2` interchanged.   Refer to `numpy.swapaxes` for full documentation.   See Also -------- numpy.swapaxes : equivalent function take(...) a.take(indices, axis=None, out=None, mode='raise')   Return an array formed from the elements of `a` at the given indices.   Refer to `numpy.take` for full documentation.   See Also -------- numpy.take : equivalent function tobytes(...) a.tobytes(order='C')   Construct Python bytes containing the raw data bytes in the array.   Constructs Python bytes showing a copy of the raw contents of data memory. The bytes object can be produced in either 'C' or 'Fortran', or 'Any' order (the default is 'C'-order). 'Any' order means C-order unless the F_CONTIGUOUS flag in the array is set, in which case it means 'Fortran' order.   .. versionadded:: 1.9.0   Parameters ---------- order : {'C', 'F', None}, optional     Order of the data for multidimensional arrays:     C, Fortran, or the same as for the original array.   Returns ------- s : bytes     Python bytes exhibiting a copy of `a`'s raw data.   Examples -------- >>> x = np.array([[0, 1], [2, 3]]) >>> x.tobytes() b'\x00\x00\x00\x00\x01\x00\x00\x00\x02\x00\x00\x00\x03\x00\x00\x00' >>> x.tobytes('C') == x.tobytes() True >>> x.tobytes('F') b'\x00\x00\x00\x00\x02\x00\x00\x00\x01\x00\x00\x00\x03\x00\x00\x00' tofile(...) a.tofile(fid, sep="", format="%s")   Write array to a file as text or binary (default).   Data is always written in 'C' order, independent of the order of `a`. The data produced by this method can be recovered using the function fromfile().   Parameters ---------- fid : file or str     An open file object, or a string containing a filename. sep : str     Separator between array items for text output.     If "" (empty), a binary file is written, equivalent to     ``file.write(a.tobytes())``. format : str     Format string for text file output.     Each entry in the array is formatted to text by first converting     it to the closest Python type, and then using "format" % item.   Notes ----- This is a convenience function for quick storage of array data. Information on endianness and precision is lost, so this method is not a good choice for files intended to archive data or transport data between machines with different endianness. Some of these problems can be overcome by outputting the data as text files, at the expense of speed and file size.   When fid is a file object, array contents are directly written to the file, bypassing the file object's ``write`` method. As a result, tofile cannot be used with files objects supporting compression (e.g., GzipFile) or file-like objects that do not support ``fileno()`` (e.g., BytesIO). tolist(...) a.tolist()   Return the array as a (possibly nested) list.   Return a copy of the array data as a (nested) Python list. Data items are converted to the nearest compatible Python type.   Parameters ---------- none   Returns ------- y : list     The possibly nested list of array elements.   Notes ----- The array may be recreated, ``a = np.array(a.tolist())``.   Examples -------- >>> a = np.array([1, 2]) >>> a.tolist() [1, 2] >>> a = np.array([[1, 2], [3, 4]]) >>> list(a) [array([1, 2]), array([3, 4])] >>> a.tolist() [[1, 2], [3, 4]] tostring(...) a.tostring(order='C')   Construct Python bytes containing the raw data bytes in the array.   Constructs Python bytes showing a copy of the raw contents of data memory. The bytes object can be produced in either 'C' or 'Fortran', or 'Any' order (the default is 'C'-order). 'Any' order means C-order unless the F_CONTIGUOUS flag in the array is set, in which case it means 'Fortran' order.   This function is a compatibility alias for tobytes. Despite its name it returns bytes not strings.   Parameters ---------- order : {'C', 'F', None}, optional     Order of the data for multidimensional arrays:     C, Fortran, or the same as for the original array.   Returns ------- s : bytes     Python bytes exhibiting a copy of `a`'s raw data.   Examples -------- >>> x = np.array([[0, 1], [2, 3]]) >>> x.tobytes() b'\x00\x00\x00\x00\x01\x00\x00\x00\x02\x00\x00\x00\x03\x00\x00\x00' >>> x.tobytes('C') == x.tobytes() True >>> x.tobytes('F') b'\x00\x00\x00\x00\x02\x00\x00\x00\x01\x00\x00\x00\x03\x00\x00\x00' trace(...) a.trace(offset=0, axis1=0, axis2=1, dtype=None, out=None)   Return the sum along diagonals of the array.   Refer to `numpy.trace` for full documentation.   See Also -------- numpy.trace : equivalent function transpose(...) a.transpose(*axes)   Returns a view of the array with axes transposed.   For a 1-D array, this has no effect. (To change between column and row vectors, first cast the 1-D array into a matrix object.) For a 2-D array, this is the usual matrix transpose. For an n-D array, if axes are given, their order indicates how the axes are permuted (see Examples). If axes are not provided and ``a.shape = (i[0], i[1], ... i[n-2], i[n-1])``, then ``a.transpose().shape = (i[n-1], i[n-2], ... i[1], i[0])``.   Parameters ---------- axes : None, tuple of ints, or `n` ints    * None or no argument: reverses the order of the axes.    * tuple of ints: `i` in the `j`-th place in the tuple means `a`'s    `i`-th axis becomes `a.transpose()`'s `j`-th axis.    * `n` ints: same as an n-tuple of the same ints (this form is    intended simply as a "convenience" alternative to the tuple form)   Returns ------- out : ndarray     View of `a`, with axes suitably permuted.   See Also -------- ndarray.T : Array property returning the array transposed.   Examples -------- >>> a = np.array([[1, 2], [3, 4]]) >>> a array([[1, 2],        [3, 4]]) >>> a.transpose() array([[1, 3],        [2, 4]]) >>> a.transpose((1, 0)) array([[1, 3],        [2, 4]]) >>> a.transpose(1, 0) array([[1, 3],        [2, 4]]) var(...) a.var(axis=None, dtype=None, out=None, ddof=0, keepdims=False)   Returns the variance of the array elements, along given axis.   Refer to `numpy.var` for full documentation.   See Also -------- numpy.var : equivalent function view(...) a.view(dtype=None, type=None)   New view of array with the same data.   Parameters ---------- dtype : data-type or ndarray sub-class, optional     Data-type descriptor of the returned view, e.g., float32 or int16. The     default, None, results in the view having the same data-type as `a`.     This argument can also be specified as an ndarray sub-class, which     then specifies the type of the returned object (this is equivalent to     setting the ``type`` parameter). type : Python type, optional     Type of the returned view, e.g., ndarray or matrix.  Again, the     default None results in type preservation.   Notes ----- ``a.view()`` is used two different ways:   ``a.view(some_dtype)`` or ``a.view(dtype=some_dtype)`` constructs a view of the array's memory with a different data-type.  This can cause a reinterpretation of the bytes of memory.   ``a.view(ndarray_subclass)`` or ``a.view(type=ndarray_subclass)`` just returns an instance of `ndarray_subclass` that looks at the same array (same shape, dtype, etc.)  This does not cause a reinterpretation of the memory.   For ``a.view(some_dtype)``, if ``some_dtype`` has a different number of bytes per entry than the previous dtype (for example, converting a regular array to a structured array), then the behavior of the view cannot be predicted just from the superficial appearance of ``a`` (shown by ``print(a)``). It also depends on exactly how ``a`` is stored in memory. Therefore if ``a`` is C-ordered versus fortran-ordered, versus defined as a slice or transpose, etc., the view may give different results.     Examples -------- >>> x = np.array([(1, 2)], dtype=[('a', np.int8), ('b', np.int8)])   Viewing array data using a different type and dtype:   >>> y = x.view(dtype=np.int16, type=np.matrix) >>> y matrix([[513]], dtype=int16) >>> print(type(y)) <class 'numpy.matrixlib.defmatrix.matrix'>   Creating a view on a structured array so it can be used in calculations   >>> x = np.array([(1, 2),(3,4)], dtype=[('a', np.int8), ('b', np.int8)]) >>> xv = x.view(dtype=np.int8).reshape(-1,2) >>> xv array([[1, 2],        [3, 4]], dtype=int8) >>> xv.mean(0) array([ 2.,  3.])   Making changes to the view changes the underlying array   >>> xv[0,1] = 20 >>> print(x) [(1, 20) (3, 4)]   Using a view to convert an array to a recarray:   >>> z = x.view(np.recarray) >>> z.a array([1], dtype=int8)   Views share data:   >>> x[0] = (9, 10) >>> z[0] (9, 10)   Views that change the dtype size (bytes per entry) should normally be avoided on arrays defined by slices, transposes, fortran-ordering, etc.:   >>> x = np.array([[1,2,3],[4,5,6]], dtype=np.int16) >>> y = x[:, 0:2] >>> y array([[1, 2],        [4, 5]], dtype=int16) >>> y.view(dtype=[('width', np.int16), ('length', np.int16)]) Traceback (most recent call last):   File "<stdin>", line 1, in <module> ValueError: new type not compatible with array. >>> z = y.copy() >>> z.view(dtype=[('width', np.int16), ('length', np.int16)]) array([[(1, 2)],        [(4, 5)]], dtype=[('width', '<i2'), ('length', '<i2')]) Data descriptors defined here: T Same as self.transpose(), except that self is returned if self.ndim < 2.   Examples -------- >>> x = np.array([[1.,2.],[3.,4.]]) >>> x array([[ 1.,  2.],        [ 3.,  4.]]) >>> x.T array([[ 1.,  3.],        [ 2.,  4.]]) >>> x = np.array([1.,2.,3.,4.]) >>> x array([ 1.,  2.,  3.,  4.]) >>> x.T array([ 1.,  2.,  3.,  4.]) __array_finalize__ None. __array_interface__ Array protocol: Python side. __array_priority__ Array priority. __array_struct__ Array protocol: C-struct side. base Base object if memory is from some other object.   Examples -------- The base of an array that owns its memory is None:   >>> x = np.array([1,2,3,4]) >>> x.base is None True   Slicing creates a view, whose memory is shared with x:   >>> y = x[2:] >>> y.base is x True ctypes An object to simplify the interaction of the array with the ctypes module.   This attribute creates an object that makes it easier to use arrays when calling shared libraries with the ctypes module. The returned object has, among others, data, shape, and strides attributes (see Notes below) which themselves return ctypes objects that can be used as arguments to a shared library.   Parameters ---------- None   Returns ------- c : Python object     Possessing attributes data, shape, strides, etc.   See Also -------- numpy.ctypeslib   Notes ----- Below are the public attributes of this object which were documented in "Guide to NumPy" (we have omitted undocumented public attributes, as well as documented private attributes):   * data: A pointer to the memory area of the array as a Python integer.   This memory area may contain data that is not aligned, or not in correct   byte-order. The memory area may not even be writeable. The array   flags and data-type of this array should be respected when passing this   attribute to arbitrary C-code to avoid trouble that can include Python   crashing. User Beware! The value of this attribute is exactly the same   as self._array_interface_['data'][0].   * shape (c_intp*self.ndim): A ctypes array of length self.ndim where   the basetype is the C-integer corresponding to dtype('p') on this   platform. This base-type could be c_int, c_long, or c_longlong   depending on the platform. The c_intp type is defined accordingly in   numpy.ctypeslib. The ctypes array contains the shape of the underlying   array.   * strides (c_intp*self.ndim): A ctypes array of length self.ndim where   the basetype is the same as for the shape attribute. This ctypes array   contains the strides information from the underlying array. This strides   information is important for showing how many bytes must be jumped to   get to the next element in the array.   * data_as(obj): Return the data pointer cast to a particular c-types object.   For example, calling self._as_parameter_ is equivalent to   self.data_as(ctypes.c_void_p). Perhaps you want to use the data as a   pointer to a ctypes array of floating-point data:   self.data_as(ctypes.POINTER(ctypes.c_double)).   * shape_as(obj): Return the shape tuple as an array of some other c-types   type. For example: self.shape_as(ctypes.c_short).   * strides_as(obj): Return the strides tuple as an array of some other   c-types type. For example: self.strides_as(ctypes.c_longlong).   Be careful using the ctypes attribute - especially on temporary arrays or arrays constructed on the fly. For example, calling ``(a+b).ctypes.data_as(ctypes.c_void_p)`` returns a pointer to memory that is invalid because the array created as (a+b) is deallocated before the next Python statement. You can avoid this problem using either ``c=a+b`` or ``ct=(a+b).ctypes``. In the latter case, ct will hold a reference to the array until ct is deleted or re-assigned.   If the ctypes module is not available, then the ctypes attribute of array objects still returns something useful, but ctypes objects are not returned and errors may be raised instead. In particular, the object will still have the as parameter attribute which will return an integer equal to the data attribute.   Examples -------- >>> import ctypes >>> x array([[0, 1],        [2, 3]]) >>> x.ctypes.data 30439712 >>> x.ctypes.data_as(ctypes.POINTER(ctypes.c_long)) <ctypes.LP_c_long object at 0x01F01300> >>> x.ctypes.data_as(ctypes.POINTER(ctypes.c_long)).contents c_long(0) >>> x.ctypes.data_as(ctypes.POINTER(ctypes.c_longlong)).contents c_longlong(4294967296L) >>> x.ctypes.shape <numpy.core._internal.c_long_Array_2 object at 0x01FFD580> >>> x.ctypes.shape_as(ctypes.c_long) <numpy.core._internal.c_long_Array_2 object at 0x01FCE620> >>> x.ctypes.strides <numpy.core._internal.c_long_Array_2 object at 0x01FCE620> >>> x.ctypes.strides_as(ctypes.c_longlong) <numpy.core._internal.c_longlong_Array_2 object at 0x01F01300> data Python buffer object pointing to the start of the array's data. dtype Data-type of the array's elements.   Parameters ---------- None   Returns ------- d : numpy dtype object   See Also -------- numpy.dtype   Examples -------- >>> x array([[0, 1],        [2, 3]]) >>> x.dtype dtype('int32') >>> type(x.dtype) <type 'numpy.dtype'> flags Information about the memory layout of the array.   Attributes ---------- C_CONTIGUOUS (C)     The data is in a single, C-style contiguous segment. F_CONTIGUOUS (F)     The data is in a single, Fortran-style contiguous segment. OWNDATA (O)     The array owns the memory it uses or borrows it from another object. WRITEABLE (W)     The data area can be written to.  Setting this to False locks     the data, making it read-only.  A view (slice, etc.) inherits WRITEABLE     from its base array at creation time, but a view of a writeable     array may be subsequently locked while the base array remains writeable.     (The opposite is not true, in that a view of a locked array may not     be made writeable.  However, currently, locking a base object does not     lock any views that already reference it, so under that circumstance it     is possible to alter the contents of a locked array via a previously     created writeable view onto it.)  Attempting to change a non-writeable     array raises a RuntimeError exception. ALIGNED (A)     The data and all elements are aligned appropriately for the hardware. WRITEBACKIFCOPY (X)     This array is a copy of some other array. The C-API function     PyArray_ResolveWritebackIfCopy must be called before deallocating     to the base array will be updated with the contents of this array. UPDATEIFCOPY (U)     (Deprecated, use WRITEBACKIFCOPY) This array is a copy of some other array.     When this array is     deallocated, the base array will be updated with the contents of     this array. FNC     F_CONTIGUOUS and not C_CONTIGUOUS. FORC     F_CONTIGUOUS or C_CONTIGUOUS (one-segment test). BEHAVED (B)     ALIGNED and WRITEABLE. CARRAY (CA)     BEHAVED and C_CONTIGUOUS. FARRAY (FA)     BEHAVED and F_CONTIGUOUS and not C_CONTIGUOUS.   Notes ----- The `flags` object can be accessed dictionary-like (as in ``a.flags['WRITEABLE']``), or by using lowercased attribute names (as in ``a.flags.writeable``). Short flag names are only supported in dictionary access.   Only the WRITEBACKIFCOPY, UPDATEIFCOPY, WRITEABLE, and ALIGNED flags can be changed by the user, via direct assignment to the attribute or dictionary entry, or by calling `ndarray.setflags`.   The array flags cannot be set arbitrarily:   - UPDATEIFCOPY can only be set ``False``. - WRITEBACKIFCOPY can only be set ``False``. - ALIGNED can only be set ``True`` if the data is truly aligned. - WRITEABLE can only be set ``True`` if the array owns its own memory   or the ultimate owner of the memory exposes a writeable buffer   interface or is a string.   Arrays can be both C-style and Fortran-style contiguous simultaneously. This is clear for 1-dimensional arrays, but can also be true for higher dimensional arrays.   Even for contiguous arrays a stride for a given dimension ``arr.strides[dim]`` may be *arbitrary* if ``arr.shape[dim] == 1`` or the array has no elements. It does *not* generally hold that ``self.strides[-1] == self.itemsize`` for C-style contiguous arrays or ``self.strides[0] == self.itemsize`` for Fortran-style contiguous arrays is true. flat A 1-D iterator over the array.   This is a `numpy.flatiter` instance, which acts similarly to, but is not a subclass of, Python's built-in iterator object.   See Also -------- flatten : Return a copy of the array collapsed into one dimension.   flatiter   Examples -------- >>> x = np.arange(1, 7).reshape(2, 3) >>> x array([[1, 2, 3],        [4, 5, 6]]) >>> x.flat[3] 4 >>> x.T array([[1, 4],        [2, 5],        [3, 6]]) >>> x.T.flat[3] 5 >>> type(x.flat) <type 'numpy.flatiter'>   An assignment example:   >>> x.flat = 3; x array([[3, 3, 3],        [3, 3, 3]]) >>> x.flat[[1,4]] = 1; x array([[3, 1, 3],        [3, 1, 3]]) imag The imaginary part of the array.   Examples -------- >>> x = np.sqrt([1+0j, 0+1j]) >>> x.imag array([ 0.        ,  0.70710678]) >>> x.imag.dtype dtype('float64') itemsize Length of one array element in bytes.   Examples -------- >>> x = np.array([1,2,3], dtype=np.float64) >>> x.itemsize 8 >>> x = np.array([1,2,3], dtype=np.complex128) >>> x.itemsize 16 nbytes Total bytes consumed by the elements of the array.   Notes ----- Does not include memory consumed by non-element attributes of the array object.   Examples -------- >>> x = np.zeros((3,5,2), dtype=np.complex128) >>> x.nbytes 480 >>> np.prod(x.shape) * x.itemsize 480 ndim Number of array dimensions.   Examples -------- >>> x = np.array([1, 2, 3]) >>> x.ndim 1 >>> y = np.zeros((2, 3, 4)) >>> y.ndim 3 real The real part of the array.   Examples -------- >>> x = np.sqrt([1+0j, 0+1j]) >>> x.real array([ 1.        ,  0.70710678]) >>> x.real.dtype dtype('float64')   See Also -------- numpy.real : equivalent function shape Tuple of array dimensions.   The shape property is usually used to get the current shape of an array, but may also be used to reshape the array in-place by assigning a tuple of array dimensions to it.  As with `numpy.reshape`, one of the new shape dimensions can be -1, in which case its value is inferred from the size of the array and the remaining dimensions. Reshaping an array in-place will fail if a copy is required.   Examples -------- >>> x = np.array([1, 2, 3, 4]) >>> x.shape (4,) >>> y = np.zeros((2, 3, 4)) >>> y.shape (2, 3, 4) >>> y.shape = (3, 8) >>> y array([[ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],        [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],        [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.]]) >>> y.shape = (3, 6) Traceback (most recent call last):   File "<stdin>", line 1, in <module> ValueError: total size of new array must be unchanged >>> np.zeros((4,2))[::2].shape = (-1,) Traceback (most recent call last):   File "<stdin>", line 1, in <module> AttributeError: incompatible shape for a non-contiguous array   See Also -------- numpy.reshape : similar function ndarray.reshape : similar method size Number of elements in the array.   Equal to ``np.prod(a.shape)``, i.e., the product of the array's dimensions.   Notes ----- `a.size` returns a standard arbitrary precision Python integer. This  may not be the case with other methods of obtaining the same value (like the suggested ``np.prod(a.shape)``, which returns an instance of ``np.int_``), and may be relevant if the value is used further in calculations that may overflow a fixed size integer type.   Examples -------- >>> x = np.zeros((3, 5, 2), dtype=np.complex128) >>> x.size 30 >>> np.prod(x.shape) 30 strides Tuple of bytes to step in each dimension when traversing an array.   The byte offset of element ``(i[0], i[1], ..., i[n])`` in an array `a` is::       offset = sum(np.array(i) * a.strides)   A more detailed explanation of strides can be found in the "ndarray.rst" file in the NumPy reference guide.   Notes ----- Imagine an array of 32-bit integers (each 4 bytes)::     x = np.array([[0, 1, 2, 3, 4],                 [5, 6, 7, 8, 9]], dtype=np.int32)   This array is stored in memory as 40 bytes, one after the other (known as a contiguous block of memory).  The strides of an array tell us how many bytes we have to skip in memory to move to the next position along a certain axis.  For example, we have to skip 4 bytes (1 value) to move to the next column, but 20 bytes (5 values) to get to the same position in the next row.  As such, the strides for the array `x` will be ``(20, 4)``.   See Also -------- numpy.lib.stride_tricks.as_strided   Examples -------- >>> y = np.reshape(np.arange(2*3*4), (2,3,4)) >>> y array([[[ 0,  1,  2,  3],         [ 4,  5,  6,  7],         [ 8,  9, 10, 11]],        [[12, 13, 14, 15],         [16, 17, 18, 19],         [20, 21, 22, 23]]]) >>> y.strides (48, 16, 4) >>> y[1,1,1] 17 >>> offset=sum(y.strides * np.array((1,1,1))) >>> offset/y.itemsize 17   >>> x = np.reshape(np.arange(5*6*7*8), (5,6,7,8)).transpose(2,3,1,0) >>> x.strides (32, 4, 224, 1344) >>> i = np.array([3,5,2,2]) >>> offset = sum(i * x.strides) >>> x[3,5,2,2] 813 >>> offset / x.itemsize 813 Data and other attributes defined here: __hash__ = None   class ndenumerate(builtins.object)     Multidimensional index iterator.   Return an iterator yielding pairs of array coordinates and values.   Parameters ---------- arr : ndarray   Input array.   See Also -------- ndindex, flatiter   Examples -------- >>> a = np.array([[1, 2], [3, 4]]) >>> for index, x in np.ndenumerate(a): ...     print(index, x) (0, 0) 1 (0, 1) 2 (1, 0) 3 (1, 1) 4     Methods defined here: __init__(self, arr) Initialize self.  See help(type(self)) for accurate signature. __iter__(self) __next__(self) Standard iterator method, returns the index tuple and array value.   Returns ------- coords : tuple of ints     The indices of the current iteration. val : scalar     The array element of the current iteration. next = __next__(self) Data descriptors defined here: __dict__ dictionary for instance variables (if defined) __weakref__ list of weak references to the object (if defined)   class ndindex(builtins.object)     An N-dimensional iterator object to index arrays.   Given the shape of an array, an `ndindex` instance iterates over the N-dimensional index of the array. At each iteration a tuple of indices is returned, the last dimension is iterated over first.   Parameters ---------- `*args` : ints   The size of each dimension of the array.   See Also -------- ndenumerate, flatiter   Examples -------- >>> for index in np.ndindex(3, 2, 1): ...     print(index) (0, 0, 0) (0, 1, 0) (1, 0, 0) (1, 1, 0) (2, 0, 0) (2, 1, 0)     Methods defined here: __init__(self, *shape) Initialize self.  See help(type(self)) for accurate signature. __iter__(self) __next__(self) Standard iterator method, updates the index and returns the index tuple.   Returns ------- val : tuple of ints     Returns a tuple containing the indices of the current     iteration. ndincr(self) Increment the multi-dimensional index by one.   This method is for backward compatibility only: do not use. next = __next__(self) Data descriptors defined here: __dict__ dictionary for instance variables (if defined) __weakref__ list of weak references to the object (if defined)   class nditer(builtins.object)     Efficient multi-dimensional iterator object to iterate over arrays. To get started using this object, see the :ref:`introductory guide to array iteration <arrays.nditer>`.   Parameters ---------- op : ndarray or sequence of array_like     The array(s) to iterate over. flags : sequence of str, optional     Flags to control the behavior of the iterator.         * "buffered" enables buffering when required.       * "c_index" causes a C-order index to be tracked.       * "f_index" causes a Fortran-order index to be tracked.       * "multi_index" causes a multi-index, or a tuple of indices         with one per iteration dimension, to be tracked.       * "common_dtype" causes all the operands to be converted to         a common data type, with copying or buffering as necessary.       * "copy_if_overlap" causes the iterator to determine if read         operands have overlap with write operands, and make temporary         copies as necessary to avoid overlap. False positives (needless         copying) are possible in some cases.       * "delay_bufalloc" delays allocation of the buffers until         a reset() call is made. Allows "allocate" operands to         be initialized before their values are copied into the buffers.       * "external_loop" causes the `values` given to be         one-dimensional arrays with multiple values instead of         zero-dimensional arrays.       * "grow_inner" allows the `value` array sizes to be made         larger than the buffer size when both "buffered" and         "external_loop" is used.       * "ranged" allows the iterator to be restricted to a sub-range         of the iterindex values.       * "refs_ok" enables iteration of reference types, such as         object arrays.       * "reduce_ok" enables iteration of "readwrite" operands         which are broadcasted, also known as reduction operands.       * "zerosize_ok" allows `itersize` to be zero. op_flags : list of list of str, optional     This is a list of flags for each operand. At minimum, one of     "readonly", "readwrite", or "writeonly" must be specified.         * "readonly" indicates the operand will only be read from.       * "readwrite" indicates the operand will be read from and written to.       * "writeonly" indicates the operand will only be written to.       * "no_broadcast" prevents the operand from being broadcasted.       * "contig" forces the operand data to be contiguous.       * "aligned" forces the operand data to be aligned.       * "nbo" forces the operand data to be in native byte order.       * "copy" allows a temporary read-only copy if required.       * "updateifcopy" allows a temporary read-write copy if required.       * "allocate" causes the array to be allocated if it is None         in the `op` parameter.       * "no_subtype" prevents an "allocate" operand from using a subtype.       * "arraymask" indicates that this operand is the mask to use         for selecting elements when writing to operands with the         'writemasked' flag set. The iterator does not enforce this,         but when writing from a buffer back to the array, it only         copies those elements indicated by this mask.       * 'writemasked' indicates that only elements where the chosen         'arraymask' operand is True will be written to.       * "overlap_assume_elementwise" can be used to mark operands that are         accessed only in the iterator order, to allow less conservative         copying when "copy_if_overlap" is present. op_dtypes : dtype or tuple of dtype(s), optional     The required data type(s) of the operands. If copying or buffering     is enabled, the data will be converted to/from their original types. order : {'C', 'F', 'A', 'K'}, optional     Controls the iteration order. 'C' means C order, 'F' means     Fortran order, 'A' means 'F' order if all the arrays are Fortran     contiguous, 'C' order otherwise, and 'K' means as close to the     order the array elements appear in memory as possible. This also     affects the element memory order of "allocate" operands, as they     are allocated to be compatible with iteration order.     Default is 'K'. casting : {'no', 'equiv', 'safe', 'same_kind', 'unsafe'}, optional     Controls what kind of data casting may occur when making a copy     or buffering.  Setting this to 'unsafe' is not recommended,     as it can adversely affect accumulations.         * 'no' means the data types should not be cast at all.       * 'equiv' means only byte-order changes are allowed.       * 'safe' means only casts which can preserve values are allowed.       * 'same_kind' means only safe casts or casts within a kind,         like float64 to float32, are allowed.       * 'unsafe' means any data conversions may be done. op_axes : list of list of ints, optional     If provided, is a list of ints or None for each operands.     The list of axes for an operand is a mapping from the dimensions     of the iterator to the dimensions of the operand. A value of     -1 can be placed for entries, causing that dimension to be     treated as "newaxis". itershape : tuple of ints, optional     The desired shape of the iterator. This allows "allocate" operands     with a dimension mapped by op_axes not corresponding to a dimension     of a different operand to get a value not equal to 1 for that     dimension. buffersize : int, optional     When buffering is enabled, controls the size of the temporary     buffers. Set to 0 for the default value.   Attributes ---------- dtypes : tuple of dtype(s)     The data types of the values provided in `value`. This may be     different from the operand data types if buffering is enabled.     Valid only before the iterator is closed. finished : bool     Whether the iteration over the operands is finished or not. has_delayed_bufalloc : bool     If True, the iterator was created with the "delay_bufalloc" flag,     and no reset() function was called on it yet. has_index : bool     If True, the iterator was created with either the "c_index" or     the "f_index" flag, and the property `index` can be used to     retrieve it. has_multi_index : bool     If True, the iterator was created with the "multi_index" flag,     and the property `multi_index` can be used to retrieve it. index     When the "c_index" or "f_index" flag was used, this property     provides access to the index. Raises a ValueError if accessed     and `has_index` is False. iterationneedsapi : bool     Whether iteration requires access to the Python API, for example     if one of the operands is an object array. iterindex : int     An index which matches the order of iteration. itersize : int     Size of the iterator. itviews     Structured view(s) of `operands` in memory, matching the reordered     and optimized iterator access pattern. Valid only before the iterator     is closed. multi_index     When the "multi_index" flag was used, this property     provides access to the index. Raises a ValueError if accessed     accessed and `has_multi_index` is False. ndim : int     The iterator's dimension. nop : int     The number of iterator operands. operands : tuple of operand(s)     The array(s) to be iterated over. Valid only before the iterator is     closed. shape : tuple of ints     Shape tuple, the shape of the iterator. value     Value of `operands` at current iteration. Normally, this is a     tuple of array scalars, but if the flag "external_loop" is used,     it is a tuple of one dimensional arrays.   Notes ----- `nditer` supersedes `flatiter`.  The iterator implementation behind `nditer` is also exposed by the NumPy C API.   The Python exposure supplies two iteration interfaces, one which follows the Python iterator protocol, and another which mirrors the C-style do-while pattern.  The native Python approach is better in most cases, but if you need the iterator's coordinates or index, use the C-style pattern.   Examples -------- Here is how we might write an ``iter_add`` function, using the Python iterator protocol::       def iter_add_py(x, y, out=None):         addop = np.add         it = np.nditer([x, y, out], [],                     [['readonly'], ['readonly'], ['writeonly','allocate']])         with it:             for (a, b, c) in it:                 addop(a, b, out=c)         return it.operands[2]   Here is the same function, but following the C-style pattern::       def iter_add(x, y, out=None):         addop = np.add           it = np.nditer([x, y, out], [],                     [['readonly'], ['readonly'], ['writeonly','allocate']])         with it:             while not it.finished:                 addop(it[0], it[1], out=it[2])                 it.iternext()               return it.operands[2]   Here is an example outer product function::       def outer_it(x, y, out=None):         mulop = np.multiply           it = np.nditer([x, y, out], ['external_loop'],                 [['readonly'], ['readonly'], ['writeonly', 'allocate']],                 op_axes=[list(range(x.ndim)) + [-1] * y.ndim,                          [-1] * x.ndim + list(range(y.ndim)),                          None])         with it:             for (a, b, c) in it:                 mulop(a, b, out=c)             return it.operands[2]       >>> a = np.arange(2)+1     >>> b = np.arange(3)+1     >>> outer_it(a,b)     array([[1, 2, 3],            [2, 4, 6]])   Here is an example function which operates like a "lambda" ufunc::       def luf(lamdaexpr, *args, **kwargs):         "luf(lambdaexpr, op1, ..., opn, out=None, order='K', casting='safe', buffersize=0)"         nargs = len(args)         op = (kwargs.get('out',None),) + args         it = np.nditer(op, ['buffered','external_loop'],                 [['writeonly','allocate','no_broadcast']] +                                 [['readonly','nbo','aligned']]*nargs,                 order=kwargs.get('order','K'),                 casting=kwargs.get('casting','safe'),                 buffersize=kwargs.get('buffersize',0))         while not it.finished:             it[0] = lamdaexpr(*it[1:])             it.iternext()             return it.operands[0]       >>> a = np.arange(5)     >>> b = np.ones(5)     >>> luf(lambda i,j:i*i + j/2, a, b)     array([  0.5,   1.5,   4.5,   9.5,  16.5])   If operand flags `"writeonly"` or `"readwrite"` are used the operands may be views into the original data with the `WRITEBACKIFCOPY` flag. In this case nditer must be used as a context manager or the nditer.close method must be called before using the result. The temporary data will be written back to the original data when the `__exit__` function is called but not before:       >>> a = np.arange(6, dtype='i4')[::-2]     >>> with nditer(a, [],     ...        [['writeonly', 'updateifcopy']],     ...        casting='unsafe',     ...        op_dtypes=[np.dtype('f4')]) as i:     ...    x = i.operands[0]     ...    x[:] = [-1, -2, -3]     ...    # a still unchanged here     >>> a, x     array([-1, -2, -3]), array([-1, -2, -3])   It is important to note that once the iterator is exited, dangling references (like `x` in the example) may or may not share data with the original data `a`. If writeback semantics were active, i.e. if `x.base.flags.writebackifcopy` is `True`, then exiting the iterator will sever the connection between `x` and `a`, writing to `x` will no longer write to `a`. If writeback semantics are not active, then `x.data` will still point at some part of `a.data`, and writing to one will affect the other.     Methods defined here: __copy__(...) __delitem__(self, key, /) Delete self[key]. __enter__(...) __exit__(...) __getitem__(self, key, /) Return self[key]. __init__(self, /, *args, **kwargs) Initialize self.  See help(type(self)) for accurate signature. __iter__(self, /) Implement iter(self). __len__(self, /) Return len(self). __new__(*args, **kwargs) from builtins.type Create and return a new object.  See help(type) for accurate signature. __next__(self, /) Implement next(self). __setitem__(self, key, value, /) Set self[key] to value. close(...) close()   Resolve all writeback semantics in writeable operands.   See Also --------   :ref:`nditer-context-manager` copy(...) copy()   Get a copy of the iterator in its current state.   Examples -------- >>> x = np.arange(10) >>> y = x + 1 >>> it = np.nditer([x, y]) >>> it.next() (array(0), array(1)) >>> it2 = it.copy() >>> it2.next() (array(1), array(2)) debug_print(...) debug_print()   Print the current state of the `nditer` instance and debug info to stdout. enable_external_loop(...) enable_external_loop()   When the "external_loop" was not used during construction, but is desired, this modifies the iterator to behave as if the flag was specified. iternext(...) iternext()   Check whether iterations are left, and perform a single internal iteration without returning the result.  Used in the C-style pattern do-while pattern.  For an example, see `nditer`.   Returns ------- iternext : bool     Whether or not there are iterations left. remove_axis(...) remove_axis(i)   Removes axis `i` from the iterator. Requires that the flag "multi_index" be enabled. remove_multi_index(...) remove_multi_index()   When the "multi_index" flag was specified, this removes it, allowing the internal iteration structure to be optimized further. reset(...) reset()   Reset the iterator to its initial state. Data descriptors defined here: dtypes finished has_delayed_bufalloc has_index has_multi_index index iterationneedsapi iterindex iterrange itersize itviews multi_index ndim nop operands operands[`Slice`]   The array(s) to be iterated over. Valid only before the iterator is closed. shape value   class number(generic)     Base class for numpy scalar types.   Class from which most (all?) numpy scalar types are derived.  For consistency, exposes the same API as `ndarray`, despite many consequent attributes being either "get-only," or completely irrelevant. This is the class from which it is strongly suggested users should derive custom scalar types.     Method resolution order: number generic builtins.object Methods inherited from generic: __abs__(self, /) abs(self) __add__(self, value, /) Return self+value. __and__(self, value, /) Return self&value. __array__(...) sc.__array__(dtype) return 0-dim array from scalar with specified dtype __array_wrap__(...) sc.__array_wrap__(obj) return scalar from array __bool__(self, /) self != 0 __copy__(...) __deepcopy__(...) __divmod__(self, value, /) Return divmod(self, value). __eq__(self, value, /) Return self==value. __float__(self, /) float(self) __floordiv__(self, value, /) Return self//value. __format__(...) NumPy array scalar formatter __ge__(self, value, /) Return self>=value. __getitem__(self, key, /) Return self[key]. __gt__(self, value, /) Return self>value. __int__(self, /) int(self) __invert__(self, /) ~self __le__(self, value, /) Return self<=value. __lshift__(self, value, /) Return self<<value. __lt__(self, value, /) Return self<value. __mod__(self, value, /) Return self%value. __mul__(self, value, /) Return self*value. __ne__(self, value, /) Return self!=value. __neg__(self, /) -self __or__(self, value, /) Return self|value. __pos__(self, /) +self __pow__(self, value, mod=None, /) Return pow(self, value, mod). __radd__(self, value, /) Return value+self. __rand__(self, value, /) Return value&self. __rdivmod__(self, value, /) Return divmod(value, self). __reduce__(...) helper for pickle __rfloordiv__(self, value, /) Return value//self. __rlshift__(self, value, /) Return value<<self. __rmod__(self, value, /) Return value%self. __rmul__(self, value, /) Return value*self. __ror__(self, value, /) Return value|self. __round__(...) __rpow__(self, value, mod=None, /) Return pow(value, self, mod). __rrshift__(self, value, /) Return value>>self. __rshift__(self, value, /) Return self>>value. __rsub__(self, value, /) Return value-self. __rtruediv__(self, value, /) Return value/self. __rxor__(self, value, /) Return value^self. __setstate__(...) __sizeof__(...) __sizeof__() -> int size of object in memory, in bytes __sub__(self, value, /) Return self-value. __truediv__(self, value, /) Return self/value. __xor__(self, value, /) Return self^value. all(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. any(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmax(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmin(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argsort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. astype(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. byteswap(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. choose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. clip(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. compress(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. conj(...) conjugate(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. copy(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumprod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumsum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. diagonal(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dump(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dumps(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. fill(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. flatten(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. getfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. item(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. itemset(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. max(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. mean(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. min(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. newbyteorder(...) newbyteorder(new_order='S')   Return a new `dtype` with a different byte order.   Changes are also made in all fields and sub-arrays of the data type.   The `new_order` code can be any from the following:   * 'S' - swap dtype from current to opposite endian * {'<', 'L'} - little endian * {'>', 'B'} - big endian * {'=', 'N'} - native order * {'|', 'I'} - ignore (no change to byte order)   Parameters ---------- new_order : str, optional     Byte order to force; a value from the byte order specifications     above.  The default value ('S') results in swapping the current     byte order. The code does a case-insensitive check on the first     letter of `new_order` for the alternatives above.  For example,     any of 'B' or 'b' or 'biggish' are valid to specify big-endian.     Returns ------- new_dtype : dtype     New `dtype` object with the given change to the byte order. nonzero(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. prod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ptp(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. put(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ravel(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. repeat(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. reshape(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. resize(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. round(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. searchsorted(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setflags(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. squeeze(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. std(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. swapaxes(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. take(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tobytes(...) tofile(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tolist(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tostring(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. trace(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. transpose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. var(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. view(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. Data descriptors inherited from generic: T transpose __array_interface__ Array protocol: Python side __array_priority__ Array priority. __array_struct__ Array protocol: struct base base object data pointer to start of data dtype get array data-descriptor flags integer value of flags flat a 1-d view of scalar imag imaginary part of scalar itemsize length of one element in bytes nbytes length of item in bytes ndim number of array dimensions real real part of scalar shape tuple of array dimensions size number of elements in the gentype strides tuple of bytes steps in each dimension Data and other attributes inherited from generic: __hash__ = None   object0 = class object_(generic)     Any Python object.  Character code: 'O'.     Method resolution order: object_ generic builtins.object Methods defined here: __add__(self, value, /) Return self+value. __call__(self, /, *args, **kwargs) Call self as a function. __contains__(self, key, /) Return key in self. __delattr__(self, name, /) Implement delattr(self, name). __delitem__(self, key, /) Delete self[key]. __eq__(self, value, /) Return self==value. __ge__(self, value, /) Return self>=value. __getattribute__(self, name, /) Return getattr(self, name). __getitem__(self, key, /) Return self[key]. __gt__(self, value, /) Return self>value. __hash__(self, /) Return hash(self). __iadd__(self, value, /) Implement self+=value. __imul__(self, value, /) Implement self*=value. __le__(self, value, /) Return self<=value. __len__(self, /) Return len(self). __lt__(self, value, /) Return self<value. __mul__(self, value, /) Return self*value.n __ne__(self, value, /) Return self!=value. __new__(*args, **kwargs) from builtins.type Create and return a new object.  See help(type) for accurate signature. __rmul__(self, value, /) Return self*value. __setattr__(self, name, value, /) Implement setattr(self, name, value). __setitem__(self, key, value, /) Set self[key] to value. Methods inherited from generic: __abs__(self, /) abs(self) __and__(self, value, /) Return self&value. __array__(...) sc.__array__(dtype) return 0-dim array from scalar with specified dtype __array_wrap__(...) sc.__array_wrap__(obj) return scalar from array __bool__(self, /) self != 0 __copy__(...) __deepcopy__(...) __divmod__(self, value, /) Return divmod(self, value). __float__(self, /) float(self) __floordiv__(self, value, /) Return self//value. __format__(...) NumPy array scalar formatter __int__(self, /) int(self) __invert__(self, /) ~self __lshift__(self, value, /) Return self<<value. __mod__(self, value, /) Return self%value. __neg__(self, /) -self __or__(self, value, /) Return self|value. __pos__(self, /) +self __pow__(self, value, mod=None, /) Return pow(self, value, mod). __radd__(self, value, /) Return value+self. __rand__(self, value, /) Return value&self. __rdivmod__(self, value, /) Return divmod(value, self). __reduce__(...) helper for pickle __rfloordiv__(self, value, /) Return value//self. __rlshift__(self, value, /) Return value<<self. __rmod__(self, value, /) Return value%self. __ror__(self, value, /) Return value|self. __round__(...) __rpow__(self, value, mod=None, /) Return pow(value, self, mod). __rrshift__(self, value, /) Return value>>self. __rshift__(self, value, /) Return self>>value. __rsub__(self, value, /) Return value-self. __rtruediv__(self, value, /) Return value/self. __rxor__(self, value, /) Return value^self. __setstate__(...) __sizeof__(...) __sizeof__() -> int size of object in memory, in bytes __sub__(self, value, /) Return self-value. __truediv__(self, value, /) Return self/value. __xor__(self, value, /) Return self^value. all(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. any(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmax(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmin(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argsort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. astype(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. byteswap(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. choose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. clip(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. compress(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. conj(...) conjugate(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. copy(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumprod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumsum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. diagonal(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dump(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dumps(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. fill(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. flatten(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. getfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. item(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. itemset(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. max(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. mean(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. min(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. newbyteorder(...) newbyteorder(new_order='S')   Return a new `dtype` with a different byte order.   Changes are also made in all fields and sub-arrays of the data type.   The `new_order` code can be any from the following:   * 'S' - swap dtype from current to opposite endian * {'<', 'L'} - little endian * {'>', 'B'} - big endian * {'=', 'N'} - native order * {'|', 'I'} - ignore (no change to byte order)   Parameters ---------- new_order : str, optional     Byte order to force; a value from the byte order specifications     above.  The default value ('S') results in swapping the current     byte order. The code does a case-insensitive check on the first     letter of `new_order` for the alternatives above.  For example,     any of 'B' or 'b' or 'biggish' are valid to specify big-endian.     Returns ------- new_dtype : dtype     New `dtype` object with the given change to the byte order. nonzero(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. prod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ptp(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. put(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ravel(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. repeat(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. reshape(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. resize(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. round(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. searchsorted(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setflags(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. squeeze(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. std(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. swapaxes(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. take(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tobytes(...) tofile(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tolist(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tostring(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. trace(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. transpose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. var(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. view(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. Data descriptors inherited from generic: T transpose __array_interface__ Array protocol: Python side __array_priority__ Array priority. __array_struct__ Array protocol: struct base base object data pointer to start of data dtype get array data-descriptor flags integer value of flags flat a 1-d view of scalar imag imaginary part of scalar itemsize length of one element in bytes nbytes length of item in bytes ndim number of array dimensions real real part of scalar shape tuple of array dimensions size number of elements in the gentype strides tuple of bytes steps in each dimension   class object_(generic)     Any Python object.  Character code: 'O'.     Method resolution order: object_ generic builtins.object Methods defined here: __add__(self, value, /) Return self+value. __call__(self, /, *args, **kwargs) Call self as a function. __contains__(self, key, /) Return key in self. __delattr__(self, name, /) Implement delattr(self, name). __delitem__(self, key, /) Delete self[key]. __eq__(self, value, /) Return self==value. __ge__(self, value, /) Return self>=value. __getattribute__(self, name, /) Return getattr(self, name). __getitem__(self, key, /) Return self[key]. __gt__(self, value, /) Return self>value. __hash__(self, /) Return hash(self). __iadd__(self, value, /) Implement self+=value. __imul__(self, value, /) Implement self*=value. __le__(self, value, /) Return self<=value. __len__(self, /) Return len(self). __lt__(self, value, /) Return self<value. __mul__(self, value, /) Return self*value.n __ne__(self, value, /) Return self!=value. __new__(*args, **kwargs) from builtins.type Create and return a new object.  See help(type) for accurate signature. __rmul__(self, value, /) Return self*value. __setattr__(self, name, value, /) Implement setattr(self, name, value). __setitem__(self, key, value, /) Set self[key] to value. Methods inherited from generic: __abs__(self, /) abs(self) __and__(self, value, /) Return self&value. __array__(...) sc.__array__(dtype) return 0-dim array from scalar with specified dtype __array_wrap__(...) sc.__array_wrap__(obj) return scalar from array __bool__(self, /) self != 0 __copy__(...) __deepcopy__(...) __divmod__(self, value, /) Return divmod(self, value). __float__(self, /) float(self) __floordiv__(self, value, /) Return self//value. __format__(...) NumPy array scalar formatter __int__(self, /) int(self) __invert__(self, /) ~self __lshift__(self, value, /) Return self<<value. __mod__(self, value, /) Return self%value. __neg__(self, /) -self __or__(self, value, /) Return self|value. __pos__(self, /) +self __pow__(self, value, mod=None, /) Return pow(self, value, mod). __radd__(self, value, /) Return value+self. __rand__(self, value, /) Return value&self. __rdivmod__(self, value, /) Return divmod(value, self). __reduce__(...) helper for pickle __rfloordiv__(self, value, /) Return value//self. __rlshift__(self, value, /) Return value<<self. __rmod__(self, value, /) Return value%self. __ror__(self, value, /) Return value|self. __round__(...) __rpow__(self, value, mod=None, /) Return pow(value, self, mod). __rrshift__(self, value, /) Return value>>self. __rshift__(self, value, /) Return self>>value. __rsub__(self, value, /) Return value-self. __rtruediv__(self, value, /) Return value/self. __rxor__(self, value, /) Return value^self. __setstate__(...) __sizeof__(...) __sizeof__() -> int size of object in memory, in bytes __sub__(self, value, /) Return self-value. __truediv__(self, value, /) Return self/value. __xor__(self, value, /) Return self^value. all(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. any(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmax(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmin(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argsort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. astype(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. byteswap(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. choose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. clip(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. compress(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. conj(...) conjugate(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. copy(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumprod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumsum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. diagonal(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dump(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dumps(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. fill(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. flatten(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. getfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. item(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. itemset(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. max(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. mean(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. min(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. newbyteorder(...) newbyteorder(new_order='S')   Return a new `dtype` with a different byte order.   Changes are also made in all fields and sub-arrays of the data type.   The `new_order` code can be any from the following:   * 'S' - swap dtype from current to opposite endian * {'<', 'L'} - little endian * {'>', 'B'} - big endian * {'=', 'N'} - native order * {'|', 'I'} - ignore (no change to byte order)   Parameters ---------- new_order : str, optional     Byte order to force; a value from the byte order specifications     above.  The default value ('S') results in swapping the current     byte order. The code does a case-insensitive check on the first     letter of `new_order` for the alternatives above.  For example,     any of 'B' or 'b' or 'biggish' are valid to specify big-endian.     Returns ------- new_dtype : dtype     New `dtype` object with the given change to the byte order. nonzero(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. prod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ptp(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. put(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ravel(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. repeat(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. reshape(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. resize(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. round(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. searchsorted(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setflags(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. squeeze(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. std(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. swapaxes(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. take(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tobytes(...) tofile(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tolist(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tostring(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. trace(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. transpose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. var(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. view(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. Data descriptors inherited from generic: T transpose __array_interface__ Array protocol: Python side __array_priority__ Array priority. __array_struct__ Array protocol: struct base base object data pointer to start of data dtype get array data-descriptor flags integer value of flags flat a 1-d view of scalar imag imaginary part of scalar itemsize length of one element in bytes nbytes length of item in bytes ndim number of array dimensions real real part of scalar shape tuple of array dimensions size number of elements in the gentype strides tuple of bytes steps in each dimension   class poly1d(builtins.object)     A one-dimensional polynomial class.   A convenience class, used to encapsulate "natural" operations on polynomials so that said operations may take on their customary form in code (see Examples).   Parameters ---------- c_or_r : array_like     The polynomial's coefficients, in decreasing powers, or if     the value of the second parameter is True, the polynomial's     roots (values where the polynomial evaluates to 0).  For example,     ``poly1d([1, 2, 3])`` returns an object that represents     :math:`x^2 + 2x + 3`, whereas ``poly1d([1, 2, 3], True)`` returns     one that represents :math:`(x-1)(x-2)(x-3) = x^3 - 6x^2 + 11x -6`. r : bool, optional     If True, `c_or_r` specifies the polynomial's roots; the default     is False. variable : str, optional     Changes the variable used when printing `p` from `x` to `variable`     (see Examples).   Examples -------- Construct the polynomial :math:`x^2 + 2x + 3`:   >>> p = np.poly1d([1, 2, 3]) >>> print(np.poly1d(p))    2 1 x + 2 x + 3   Evaluate the polynomial at :math:`x = 0.5`:   >>> p(0.5) 4.25   Find the roots:   >>> p.r array([-1.+1.41421356j, -1.-1.41421356j]) >>> p(p.r) array([ -4.44089210e-16+0.j,  -4.44089210e-16+0.j])   These numbers in the previous line represent (0, 0) to machine precision   Show the coefficients:   >>> p.c array([1, 2, 3])   Display the order (the leading zero-coefficients are removed):   >>> p.order 2   Show the coefficient of the k-th power in the polynomial (which is equivalent to ``p.c[-(i+1)]``):   >>> p[1] 2   Polynomials can be added, subtracted, multiplied, and divided (returns quotient and remainder):   >>> p * p poly1d([ 1,  4, 10, 12,  9])   >>> (p**3 + 4) / p (poly1d([  1.,   4.,  10.,  12.,   9.]), poly1d([ 4.]))   ``asarray(p)`` gives the coefficient array, so polynomials can be used in all functions that accept arrays:   >>> p**2 # square of polynomial poly1d([ 1,  4, 10, 12,  9])   >>> np.square(p) # square of individual coefficients array([1, 4, 9])   The variable used in the string representation of `p` can be modified, using the `variable` parameter:   >>> p = np.poly1d([1,2,3], variable='z') >>> print(p)    2 1 z + 2 z + 3   Construct a polynomial from its roots:   >>> np.poly1d([1, 2], True) poly1d([ 1, -3,  2])   This is the same polynomial as obtained by:   >>> np.poly1d([1, -1]) * np.poly1d([1, -2]) poly1d([ 1, -3,  2])     Methods defined here: __add__(self, other) __array__(self, t=None) __call__(self, val) Call self as a function. __div__(self, other) __eq__(self, other) Return self==value. __getitem__(self, val) __init__(self, c_or_r, r=False, variable=None) Initialize self.  See help(type(self)) for accurate signature. __iter__(self) __len__(self) __mul__(self, other) __ne__(self, other) Return self!=value. __neg__(self) __pos__(self) __pow__(self, val) __radd__(self, other) __rdiv__(self, other) __repr__(self) Return repr(self). __rmul__(self, other) __rsub__(self, other) __rtruediv__ = __rdiv__(self, other) __setitem__(self, key, val) __str__(self) Return str(self). __sub__(self, other) __truediv__ = __div__(self, other) deriv(self, m=1) Return a derivative of this polynomial.   Refer to `polyder` for full documentation.   See Also -------- polyder : equivalent function integ(self, m=1, k=0) Return an antiderivative (indefinite integral) of this polynomial.   Refer to `polyint` for full documentation.   See Also -------- polyint : equivalent function Data descriptors defined here: __dict__ dictionary for instance variables (if defined) __weakref__ list of weak references to the object (if defined) c A copy of the polynomial coefficients coef A copy of the polynomial coefficients coefficients A copy of the polynomial coefficients coeffs A copy of the polynomial coefficients o The order or degree of the polynomial order The order or degree of the polynomial r The roots of the polynomial, where self(x) == 0 roots The roots of the polynomial, where self(x) == 0 variable The name of the polynomial variable Data and other attributes defined here: __hash__ = None   class recarray(ndarray)     Construct an ndarray that allows field access using attributes.   Arrays may have a data-types containing fields, analogous to columns in a spread sheet.  An example is ``[(x, int), (y, float)]``, where each entry in the array is a pair of ``(int, float)``.  Normally, these attributes are accessed using dictionary lookups such as ``arr['x']`` and ``arr['y']``.  Record arrays allow the fields to be accessed as members of the array, using ``arr.x`` and ``arr.y``.   Parameters ---------- shape : tuple     Shape of output array. dtype : data-type, optional     The desired data-type.  By default, the data-type is determined     from `formats`, `names`, `titles`, `aligned` and `byteorder`. formats : list of data-types, optional     A list containing the data-types for the different columns, e.g.     ``['i4', 'f8', 'i4']``.  `formats` does *not* support the new     convention of using types directly, i.e. ``(int, float, int)``.     Note that `formats` must be a list, not a tuple.     Given that `formats` is somewhat limited, we recommend specifying     `dtype` instead. names : tuple of str, optional     The name of each column, e.g. ``('x', 'y', 'z')``. buf : buffer, optional     By default, a new array is created of the given shape and data-type.     If `buf` is specified and is an object exposing the buffer interface,     the array will use the memory from the existing buffer.  In this case,     the `offset` and `strides` keywords are available.   Other Parameters ---------------- titles : tuple of str, optional     Aliases for column names.  For example, if `names` were     ``('x', 'y', 'z')`` and `titles` is     ``('x_coordinate', 'y_coordinate', 'z_coordinate')``, then     ``arr['x']`` is equivalent to both ``arr.x`` and ``arr.x_coordinate``. byteorder : {'<', '>', '='}, optional     Byte-order for all fields. aligned : bool, optional     Align the fields in memory as the C-compiler would. strides : tuple of ints, optional     Buffer (`buf`) is interpreted according to these strides (strides     define how many bytes each array element, row, column, etc.     occupy in memory). offset : int, optional     Start reading buffer (`buf`) from this offset onwards. order : {'C', 'F'}, optional     Row-major (C-style) or column-major (Fortran-style) order.   Returns ------- rec : recarray     Empty array of the given shape and type.   See Also -------- rec.fromrecords : Construct a record array from data. record : fundamental data-type for `recarray`. format_parser : determine a data-type from formats, names, titles.   Notes ----- This constructor can be compared to ``empty``: it creates a new record array but does not fill it with data.  To create a record array from data, use one of the following methods:   1. Create a standard ndarray and convert it to a record array,    using ``arr.view(np.recarray)`` 2. Use the `buf` keyword. 3. Use `np.rec.fromrecords`.   Examples -------- Create an array with two fields, ``x`` and ``y``:   >>> x = np.array([(1.0, 2), (3.0, 4)], dtype=[('x', float), ('y', int)]) >>> x array([(1.0, 2), (3.0, 4)],       dtype=[('x', '<f8'), ('y', '<i4')])   >>> x['x'] array([ 1.,  3.])   View the array as a record array:   >>> x = x.view(np.recarray)   >>> x.x array([ 1.,  3.])   >>> x.y array([2, 4])   Create a new, empty record array:   >>> np.recarray((2,), ... dtype=[('x', int), ('y', float), ('z', int)]) #doctest: +SKIP rec.array([(-1073741821, 1.2249118382103472e-301, 24547520),        (3471280, 1.2134086255804012e-316, 0)],       dtype=[('x', '<i4'), ('y', '<f8'), ('z', '<i4')])     Method resolution order: recarray ndarray builtins.object Methods defined here: __array_finalize__(self, obj) None. __getattribute__(self, attr) Return getattr(self, name). __getitem__(self, indx) Return self[key]. __repr__(self) Return repr(self). __setattr__(self, attr, val) Implement setattr(self, name, value). field(self, attr, val=None) Static methods defined here: __new__(subtype, shape, dtype=None, buf=None, offset=0, strides=None, formats=None, names=None, titles=None, byteorder=None, aligned=False, order='C') Create and return a new object.  See help(type) for accurate signature. Data descriptors defined here: __dict__ dictionary for instance variables (if defined) Methods inherited from ndarray: __abs__(self, /) abs(self) __add__(self, value, /) Return self+value. __and__(self, value, /) Return self&value. __array__(...) a.__array__(|dtype) -> reference if type unchanged, copy otherwise.   Returns either a new reference to self if dtype is not given or a new array of provided data type if dtype is different from the current dtype of the array. __array_prepare__(...) a.__array_prepare__(obj) -> Object of same type as ndarray object obj. __array_ufunc__(...) __array_wrap__(...) a.__array_wrap__(obj) -> Object of same type as ndarray object a. __bool__(self, /) self != 0 __complex__(...) __contains__(self, key, /) Return key in self. __copy__(...) a.__copy__()   Used if :func:`copy.copy` is called on an array. Returns a copy of the array.   Equivalent to ``a.copy(order='K')``. __deepcopy__(...) a.__deepcopy__(memo, /) -> Deep copy of array.   Used if :func:`copy.deepcopy` is called on an array. __delitem__(self, key, /) Delete self[key]. __divmod__(self, value, /) Return divmod(self, value). __eq__(self, value, /) Return self==value. __float__(self, /) float(self) __floordiv__(self, value, /) Return self//value. __format__(...) default object formatter __ge__(self, value, /) Return self>=value. __gt__(self, value, /) Return self>value. __iadd__(self, value, /) Return self+=value. __iand__(self, value, /) Return self&=value. __ifloordiv__(self, value, /) Return self//=value. __ilshift__(self, value, /) Return self<<=value. __imatmul__(self, value, /) Return self@=value. __imod__(self, value, /) Return self%=value. __imul__(self, value, /) Return self*=value. __index__(self, /) Return self converted to an integer, if self is suitable for use as an index into a list. __int__(self, /) int(self) __invert__(self, /) ~self __ior__(self, value, /) Return self|=value. __ipow__(self, value, /) Return self**=value. __irshift__(self, value, /) Return self>>=value. __isub__(self, value, /) Return self-=value. __iter__(self, /) Implement iter(self). __itruediv__(self, value, /) Return self/=value. __ixor__(self, value, /) Return self^=value. __le__(self, value, /) Return self<=value. __len__(self, /) Return len(self). __lshift__(self, value, /) Return self<<value. __lt__(self, value, /) Return self<value. __matmul__(self, value, /) Return self@value. __mod__(self, value, /) Return self%value. __mul__(self, value, /) Return self*value. __ne__(self, value, /) Return self!=value. __neg__(self, /) -self __or__(self, value, /) Return self|value. __pos__(self, /) +self __pow__(self, value, mod=None, /) Return pow(self, value, mod). __radd__(self, value, /) Return value+self. __rand__(self, value, /) Return value&self. __rdivmod__(self, value, /) Return divmod(value, self). __reduce__(...) a.__reduce__()   For pickling. __rfloordiv__(self, value, /) Return value//self. __rlshift__(self, value, /) Return value<<self. __rmatmul__(self, value, /) Return value@self. __rmod__(self, value, /) Return value%self. __rmul__(self, value, /) Return value*self. __ror__(self, value, /) Return value|self. __rpow__(self, value, mod=None, /) Return pow(value, self, mod). __rrshift__(self, value, /) Return value>>self. __rshift__(self, value, /) Return self>>value. __rsub__(self, value, /) Return value-self. __rtruediv__(self, value, /) Return value/self. __rxor__(self, value, /) Return value^self. __setitem__(self, key, value, /) Set self[key] to value. __setstate__(...) a.__setstate__(state, /)   For unpickling.   The `state` argument must be a sequence that contains the following elements:   Parameters ---------- version : int     optional pickle version. If omitted defaults to 0. shape : tuple dtype : data-type isFortran : bool rawdata : string or list     a binary string with the data (or a list if 'a' is an object array) __sizeof__(...) __sizeof__() -> int size of object in memory, in bytes __str__(self, /) Return str(self). __sub__(self, value, /) Return self-value. __truediv__(self, value, /) Return self/value. __xor__(self, value, /) Return self^value. all(...) a.all(axis=None, out=None, keepdims=False)   Returns True if all elements evaluate to True.   Refer to `numpy.all` for full documentation.   See Also -------- numpy.all : equivalent function any(...) a.any(axis=None, out=None, keepdims=False)   Returns True if any of the elements of `a` evaluate to True.   Refer to `numpy.any` for full documentation.   See Also -------- numpy.any : equivalent function argmax(...) a.argmax(axis=None, out=None)   Return indices of the maximum values along the given axis.   Refer to `numpy.argmax` for full documentation.   See Also -------- numpy.argmax : equivalent function argmin(...) a.argmin(axis=None, out=None)   Return indices of the minimum values along the given axis of `a`.   Refer to `numpy.argmin` for detailed documentation.   See Also -------- numpy.argmin : equivalent function argpartition(...) a.argpartition(kth, axis=-1, kind='introselect', order=None)   Returns the indices that would partition this array.   Refer to `numpy.argpartition` for full documentation.   .. versionadded:: 1.8.0   See Also -------- numpy.argpartition : equivalent function argsort(...) a.argsort(axis=-1, kind='quicksort', order=None)   Returns the indices that would sort this array.   Refer to `numpy.argsort` for full documentation.   See Also -------- numpy.argsort : equivalent function astype(...) a.astype(dtype, order='K', casting='unsafe', subok=True, copy=True)   Copy of the array, cast to a specified type.   Parameters ---------- dtype : str or dtype     Typecode or data-type to which the array is cast. order : {'C', 'F', 'A', 'K'}, optional     Controls the memory layout order of the result.     'C' means C order, 'F' means Fortran order, 'A'     means 'F' order if all the arrays are Fortran contiguous,     'C' order otherwise, and 'K' means as close to the     order the array elements appear in memory as possible.     Default is 'K'. casting : {'no', 'equiv', 'safe', 'same_kind', 'unsafe'}, optional     Controls what kind of data casting may occur. Defaults to 'unsafe'     for backwards compatibility.         * 'no' means the data types should not be cast at all.       * 'equiv' means only byte-order changes are allowed.       * 'safe' means only casts which can preserve values are allowed.       * 'same_kind' means only safe casts or casts within a kind,         like float64 to float32, are allowed.       * 'unsafe' means any data conversions may be done. subok : bool, optional     If True, then sub-classes will be passed-through (default), otherwise     the returned array will be forced to be a base-class array. copy : bool, optional     By default, astype always returns a newly allocated array. If this     is set to false, and the `dtype`, `order`, and `subok`     requirements are satisfied, the input array is returned instead     of a copy.   Returns ------- arr_t : ndarray     Unless `copy` is False and the other conditions for returning the input     array are satisfied (see description for `copy` input parameter), `arr_t`     is a new array of the same shape as the input array, with dtype, order     given by `dtype`, `order`.   Notes ----- Starting in NumPy 1.9, astype method now returns an error if the string dtype to cast to is not long enough in 'safe' casting mode to hold the max value of integer/float array that is being casted. Previously the casting was allowed even if the result was truncated.   Raises ------ ComplexWarning     When casting from complex to float or int. To avoid this,     one should use ``a.real.astype(t)``.   Examples -------- >>> x = np.array([1, 2, 2.5]) >>> x array([ 1. ,  2. ,  2.5])   >>> x.astype(int) array([1, 2, 2]) byteswap(...) a.byteswap(inplace=False)   Swap the bytes of the array elements   Toggle between low-endian and big-endian data representation by returning a byteswapped array, optionally swapped in-place.   Parameters ---------- inplace : bool, optional     If ``True``, swap bytes in-place, default is ``False``.   Returns ------- out : ndarray     The byteswapped array. If `inplace` is ``True``, this is     a view to self.   Examples -------- >>> A = np.array([1, 256, 8755], dtype=np.int16) >>> map(hex, A) ['0x1', '0x100', '0x2233'] >>> A.byteswap(inplace=True) array([  256,     1, 13090], dtype=int16) >>> map(hex, A) ['0x100', '0x1', '0x3322']   Arrays of strings are not swapped   >>> A = np.array(['ceg', 'fac']) >>> A.byteswap() array(['ceg', 'fac'],       dtype='|S3') choose(...) a.choose(choices, out=None, mode='raise')   Use an index array to construct a new array from a set of choices.   Refer to `numpy.choose` for full documentation.   See Also -------- numpy.choose : equivalent function clip(...) a.clip(min=None, max=None, out=None)   Return an array whose values are limited to ``[min, max]``. One of max or min must be given.   Refer to `numpy.clip` for full documentation.   See Also -------- numpy.clip : equivalent function compress(...) a.compress(condition, axis=None, out=None)   Return selected slices of this array along given axis.   Refer to `numpy.compress` for full documentation.   See Also -------- numpy.compress : equivalent function conj(...) a.conj()   Complex-conjugate all elements.   Refer to `numpy.conjugate` for full documentation.   See Also -------- numpy.conjugate : equivalent function conjugate(...) a.conjugate()   Return the complex conjugate, element-wise.   Refer to `numpy.conjugate` for full documentation.   See Also -------- numpy.conjugate : equivalent function copy(...) a.copy(order='C')   Return a copy of the array.   Parameters ---------- order : {'C', 'F', 'A', 'K'}, optional     Controls the memory layout of the copy. 'C' means C-order,     'F' means F-order, 'A' means 'F' if `a` is Fortran contiguous,     'C' otherwise. 'K' means match the layout of `a` as closely     as possible. (Note that this function and :func:`numpy.copy` are very     similar, but have different default values for their order=     arguments.)   See also -------- numpy.copy numpy.copyto   Examples -------- >>> x = np.array([[1,2,3],[4,5,6]], order='F')   >>> y = x.copy()   >>> x.fill(0)   >>> x array([[0, 0, 0],        [0, 0, 0]])   >>> y array([[1, 2, 3],        [4, 5, 6]])   >>> y.flags['C_CONTIGUOUS'] True cumprod(...) a.cumprod(axis=None, dtype=None, out=None)   Return the cumulative product of the elements along the given axis.   Refer to `numpy.cumprod` for full documentation.   See Also -------- numpy.cumprod : equivalent function cumsum(...) a.cumsum(axis=None, dtype=None, out=None)   Return the cumulative sum of the elements along the given axis.   Refer to `numpy.cumsum` for full documentation.   See Also -------- numpy.cumsum : equivalent function diagonal(...) a.diagonal(offset=0, axis1=0, axis2=1)   Return specified diagonals. In NumPy 1.9 the returned array is a read-only view instead of a copy as in previous NumPy versions.  In a future version the read-only restriction will be removed.   Refer to :func:`numpy.diagonal` for full documentation.   See Also -------- numpy.diagonal : equivalent function dot(...) a.dot(b, out=None)   Dot product of two arrays.   Refer to `numpy.dot` for full documentation.   See Also -------- numpy.dot : equivalent function   Examples -------- >>> a = np.eye(2) >>> b = np.ones((2, 2)) * 2 >>> a.dot(b) array([[ 2.,  2.],        [ 2.,  2.]])   This array method can be conveniently chained:   >>> a.dot(b).dot(b) array([[ 8.,  8.],        [ 8.,  8.]]) dump(...) a.dump(file)   Dump a pickle of the array to the specified file. The array can be read back with pickle.load or numpy.load.   Parameters ---------- file : str     A string naming the dump file. dumps(...) a.dumps()   Returns the pickle of the array as a string. pickle.loads or numpy.loads will convert the string back to an array.   Parameters ---------- None fill(...) a.fill(value)   Fill the array with a scalar value.   Parameters ---------- value : scalar     All elements of `a` will be assigned this value.   Examples -------- >>> a = np.array([1, 2]) >>> a.fill(0) >>> a array([0, 0]) >>> a = np.empty(2) >>> a.fill(1) >>> a array([ 1.,  1.]) flatten(...) a.flatten(order='C')   Return a copy of the array collapsed into one dimension.   Parameters ---------- order : {'C', 'F', 'A', 'K'}, optional     'C' means to flatten in row-major (C-style) order.     'F' means to flatten in column-major (Fortran-     style) order. 'A' means to flatten in column-major     order if `a` is Fortran *contiguous* in memory,     row-major order otherwise. 'K' means to flatten     `a` in the order the elements occur in memory.     The default is 'C'.   Returns ------- y : ndarray     A copy of the input array, flattened to one dimension.   See Also -------- ravel : Return a flattened array. flat : A 1-D flat iterator over the array.   Examples -------- >>> a = np.array([[1,2], [3,4]]) >>> a.flatten() array([1, 2, 3, 4]) >>> a.flatten('F') array([1, 3, 2, 4]) getfield(...) a.getfield(dtype, offset=0)   Returns a field of the given array as a certain type.   A field is a view of the array data with a given data-type. The values in the view are determined by the given type and the offset into the current array in bytes. The offset needs to be such that the view dtype fits in the array dtype; for example an array of dtype complex128 has 16-byte elements. If taking a view with a 32-bit integer (4 bytes), the offset needs to be between 0 and 12 bytes.   Parameters ---------- dtype : str or dtype     The data type of the view. The dtype size of the view can not be larger     than that of the array itself. offset : int     Number of bytes to skip before beginning the element view.   Examples -------- >>> x = np.diag([1.+1.j]*2) >>> x[1, 1] = 2 + 4.j >>> x array([[ 1.+1.j,  0.+0.j],        [ 0.+0.j,  2.+4.j]]) >>> x.getfield(np.float64) array([[ 1.,  0.],        [ 0.,  2.]])   By choosing an offset of 8 bytes we can select the complex part of the array for our view:   >>> x.getfield(np.float64, offset=8) array([[ 1.,  0.],    [ 0.,  4.]]) item(...) a.item(*args)   Copy an element of an array to a standard Python scalar and return it.   Parameters ---------- \*args : Arguments (variable number and type)       * none: in this case, the method only works for arrays       with one element (`a.size == 1`), which element is       copied into a standard Python scalar object and returned.       * int_type: this argument is interpreted as a flat index into       the array, specifying which element to copy and return.       * tuple of int_types: functions as does a single int_type argument,       except that the argument is interpreted as an nd-index into the       array.   Returns ------- z : Standard Python scalar object     A copy of the specified element of the array as a suitable     Python scalar   Notes ----- When the data type of `a` is longdouble or clongdouble, item() returns a scalar array object because there is no available Python scalar that would not lose information. Void arrays return a buffer object for item(), unless fields are defined, in which case a tuple is returned.   `item` is very similar to a[args], except, instead of an array scalar, a standard Python scalar is returned. This can be useful for speeding up access to elements of the array and doing arithmetic on elements of the array using Python's optimized math.   Examples -------- >>> x = np.random.randint(9, size=(3, 3)) >>> x array([[3, 1, 7],        [2, 8, 3],        [8, 5, 3]]) >>> x.item(3) 2 >>> x.item(7) 5 >>> x.item((0, 1)) 1 >>> x.item((2, 2)) 3 itemset(...) a.itemset(*args)   Insert scalar into an array (scalar is cast to array's dtype, if possible)   There must be at least 1 argument, and define the last argument as *item*.  Then, ``a.itemset(*args)`` is equivalent to but faster than ``a[args] = item``.  The item should be a scalar value and `args` must select a single item in the array `a`.   Parameters ---------- \*args : Arguments     If one argument: a scalar, only used in case `a` is of size 1.     If two arguments: the last argument is the value to be set     and must be a scalar, the first argument specifies a single array     element location. It is either an int or a tuple.   Notes ----- Compared to indexing syntax, `itemset` provides some speed increase for placing a scalar into a particular location in an `ndarray`, if you must do this.  However, generally this is discouraged: among other problems, it complicates the appearance of the code. Also, when using `itemset` (and `item`) inside a loop, be sure to assign the methods to a local variable to avoid the attribute look-up at each loop iteration.   Examples -------- >>> x = np.random.randint(9, size=(3, 3)) >>> x array([[3, 1, 7],        [2, 8, 3],        [8, 5, 3]]) >>> x.itemset(4, 0) >>> x.itemset((2, 2), 9) >>> x array([[3, 1, 7],        [2, 0, 3],        [8, 5, 9]]) max(...) a.max(axis=None, out=None, keepdims=False)   Return the maximum along a given axis.   Refer to `numpy.amax` for full documentation.   See Also -------- numpy.amax : equivalent function mean(...) a.mean(axis=None, dtype=None, out=None, keepdims=False)   Returns the average of the array elements along given axis.   Refer to `numpy.mean` for full documentation.   See Also -------- numpy.mean : equivalent function min(...) a.min(axis=None, out=None, keepdims=False)   Return the minimum along a given axis.   Refer to `numpy.amin` for full documentation.   See Also -------- numpy.amin : equivalent function newbyteorder(...) arr.newbyteorder(new_order='S')   Return the array with the same data viewed with a different byte order.   Equivalent to::       arr.view(arr.dtype.newbytorder(new_order))   Changes are also made in all fields and sub-arrays of the array data type.       Parameters ---------- new_order : string, optional     Byte order to force; a value from the byte order specifications     below. `new_order` codes can be any of:       * 'S' - swap dtype from current to opposite endian     * {'<', 'L'} - little endian     * {'>', 'B'} - big endian     * {'=', 'N'} - native order     * {'|', 'I'} - ignore (no change to byte order)       The default value ('S') results in swapping the current     byte order. The code does a case-insensitive check on the first     letter of `new_order` for the alternatives above.  For example,     any of 'B' or 'b' or 'biggish' are valid to specify big-endian.     Returns ------- new_arr : array     New array object with the dtype reflecting given change to the     byte order. nonzero(...) a.nonzero()   Return the indices of the elements that are non-zero.   Refer to `numpy.nonzero` for full documentation.   See Also -------- numpy.nonzero : equivalent function partition(...) a.partition(kth, axis=-1, kind='introselect', order=None)   Rearranges the elements in the array in such a way that the value of the element in kth position is in the position it would be in a sorted array. All elements smaller than the kth element are moved before this element and all equal or greater are moved behind it. The ordering of the elements in the two partitions is undefined.   .. versionadded:: 1.8.0   Parameters ---------- kth : int or sequence of ints     Element index to partition by. The kth element value will be in its     final sorted position and all smaller elements will be moved before it     and all equal or greater elements behind it.     The order of all elements in the partitions is undefined.     If provided with a sequence of kth it will partition all elements     indexed by kth of them into their sorted position at once. axis : int, optional     Axis along which to sort. Default is -1, which means sort along the     last axis. kind : {'introselect'}, optional     Selection algorithm. Default is 'introselect'. order : str or list of str, optional     When `a` is an array with fields defined, this argument specifies     which fields to compare first, second, etc. A single field can     be specified as a string, and not all fields need to be specified,     but unspecified fields will still be used, in the order in which     they come up in the dtype, to break ties.   See Also -------- numpy.partition : Return a parititioned copy of an array. argpartition : Indirect partition. sort : Full sort.   Notes ----- See ``np.partition`` for notes on the different algorithms.   Examples -------- >>> a = np.array([3, 4, 2, 1]) >>> a.partition(3) >>> a array([2, 1, 3, 4])   >>> a.partition((1, 3)) array([1, 2, 3, 4]) prod(...) a.prod(axis=None, dtype=None, out=None, keepdims=False)   Return the product of the array elements over the given axis   Refer to `numpy.prod` for full documentation.   See Also -------- numpy.prod : equivalent function ptp(...) a.ptp(axis=None, out=None, keepdims=False)   Peak to peak (maximum - minimum) value along a given axis.   Refer to `numpy.ptp` for full documentation.   See Also -------- numpy.ptp : equivalent function put(...) a.put(indices, values, mode='raise')   Set ``a.flat[n] = values[n]`` for all `n` in indices.   Refer to `numpy.put` for full documentation.   See Also -------- numpy.put : equivalent function ravel(...) a.ravel([order])   Return a flattened array.   Refer to `numpy.ravel` for full documentation.   See Also -------- numpy.ravel : equivalent function   ndarray.flat : a flat iterator on the array. repeat(...) a.repeat(repeats, axis=None)   Repeat elements of an array.   Refer to `numpy.repeat` for full documentation.   See Also -------- numpy.repeat : equivalent function reshape(...) a.reshape(shape, order='C')   Returns an array containing the same data with a new shape.   Refer to `numpy.reshape` for full documentation.   See Also -------- numpy.reshape : equivalent function   Notes ----- Unlike the free function `numpy.reshape`, this method on `ndarray` allows the elements of the shape parameter to be passed in as separate arguments. For example, ``a.reshape(10, 11)`` is equivalent to ``a.reshape((10, 11))``. resize(...) a.resize(new_shape, refcheck=True)   Change shape and size of array in-place.   Parameters ---------- new_shape : tuple of ints, or `n` ints     Shape of resized array. refcheck : bool, optional     If False, reference count will not be checked. Default is True.   Returns ------- None   Raises ------ ValueError     If `a` does not own its own data or references or views to it exist,     and the data memory must be changed.     PyPy only: will always raise if the data memory must be changed, since     there is no reliable way to determine if references or views to it     exist.   SystemError     If the `order` keyword argument is specified. This behaviour is a     bug in NumPy.   See Also -------- resize : Return a new array with the specified shape.   Notes ----- This reallocates space for the data area if necessary.   Only contiguous arrays (data elements consecutive in memory) can be resized.   The purpose of the reference count check is to make sure you do not use this array as a buffer for another Python object and then reallocate the memory. However, reference counts can increase in other ways so if you are sure that you have not shared the memory for this array with another Python object, then you may safely set `refcheck` to False.   Examples -------- Shrinking an array: array is flattened (in the order that the data are stored in memory), resized, and reshaped:   >>> a = np.array([[0, 1], [2, 3]], order='C') >>> a.resize((2, 1)) >>> a array([[0],        [1]])   >>> a = np.array([[0, 1], [2, 3]], order='F') >>> a.resize((2, 1)) >>> a array([[0],        [2]])   Enlarging an array: as above, but missing entries are filled with zeros:   >>> b = np.array([[0, 1], [2, 3]]) >>> b.resize(2, 3) # new_shape parameter doesn't have to be a tuple >>> b array([[0, 1, 2],        [3, 0, 0]])   Referencing an array prevents resizing...   >>> c = a >>> a.resize((1, 1)) Traceback (most recent call last): ... ValueError: cannot resize an array that has been referenced ...   Unless `refcheck` is False:   >>> a.resize((1, 1), refcheck=False) >>> a array([[0]]) >>> c array([[0]]) round(...) a.round(decimals=0, out=None)   Return `a` with each element rounded to the given number of decimals.   Refer to `numpy.around` for full documentation.   See Also -------- numpy.around : equivalent function searchsorted(...) a.searchsorted(v, side='left', sorter=None)   Find indices where elements of v should be inserted in a to maintain order.   For full documentation, see `numpy.searchsorted`   See Also -------- numpy.searchsorted : equivalent function setfield(...) a.setfield(val, dtype, offset=0)   Put a value into a specified place in a field defined by a data-type.   Place `val` into `a`'s field defined by `dtype` and beginning `offset` bytes into the field.   Parameters ---------- val : object     Value to be placed in field. dtype : dtype object     Data-type of the field in which to place `val`. offset : int, optional     The number of bytes into the field at which to place `val`.   Returns ------- None   See Also -------- getfield   Examples -------- >>> x = np.eye(3) >>> x.getfield(np.float64) array([[ 1.,  0.,  0.],        [ 0.,  1.,  0.],        [ 0.,  0.,  1.]]) >>> x.setfield(3, np.int32) >>> x.getfield(np.int32) array([[3, 3, 3],        [3, 3, 3],        [3, 3, 3]]) >>> x array([[  1.00000000e+000,   1.48219694e-323,   1.48219694e-323],        [  1.48219694e-323,   1.00000000e+000,   1.48219694e-323],        [  1.48219694e-323,   1.48219694e-323,   1.00000000e+000]]) >>> x.setfield(np.eye(3), np.int32) >>> x array([[ 1.,  0.,  0.],        [ 0.,  1.,  0.],        [ 0.,  0.,  1.]]) setflags(...) a.setflags(write=None, align=None, uic=None)   Set array flags WRITEABLE, ALIGNED, (WRITEBACKIFCOPY and UPDATEIFCOPY), respectively.   These Boolean-valued flags affect how numpy interprets the memory area used by `a` (see Notes below). The ALIGNED flag can only be set to True if the data is actually aligned according to the type. The WRITEBACKIFCOPY and (deprecated) UPDATEIFCOPY flags can never be set to True. The flag WRITEABLE can only be set to True if the array owns its own memory, or the ultimate owner of the memory exposes a writeable buffer interface, or is a string. (The exception for string is made so that unpickling can be done without copying memory.)   Parameters ---------- write : bool, optional     Describes whether or not `a` can be written to. align : bool, optional     Describes whether or not `a` is aligned properly for its type. uic : bool, optional     Describes whether or not `a` is a copy of another "base" array.   Notes ----- Array flags provide information about how the memory area used for the array is to be interpreted. There are 7 Boolean flags in use, only four of which can be changed by the user: WRITEBACKIFCOPY, UPDATEIFCOPY, WRITEABLE, and ALIGNED.   WRITEABLE (W) the data area can be written to;   ALIGNED (A) the data and strides are aligned appropriately for the hardware (as determined by the compiler);   UPDATEIFCOPY (U) (deprecated), replaced by WRITEBACKIFCOPY;   WRITEBACKIFCOPY (X) this array is a copy of some other array (referenced by .base). When the C-API function PyArray_ResolveWritebackIfCopy is called, the base array will be updated with the contents of this array.   All flags can be accessed using the single (upper case) letter as well as the full name.   Examples -------- >>> y array([[3, 1, 7],        [2, 0, 0],        [8, 5, 9]]) >>> y.flags   C_CONTIGUOUS : True   F_CONTIGUOUS : False   OWNDATA : True   WRITEABLE : True   ALIGNED : True   WRITEBACKIFCOPY : False   UPDATEIFCOPY : False >>> y.setflags(write=0, align=0) >>> y.flags   C_CONTIGUOUS : True   F_CONTIGUOUS : False   OWNDATA : True   WRITEABLE : False   ALIGNED : False   WRITEBACKIFCOPY : False   UPDATEIFCOPY : False >>> y.setflags(uic=1) Traceback (most recent call last):   File "<stdin>", line 1, in <module> ValueError: cannot set WRITEBACKIFCOPY flag to True sort(...) a.sort(axis=-1, kind='quicksort', order=None)   Sort an array, in-place.   Parameters ---------- axis : int, optional     Axis along which to sort. Default is -1, which means sort along the     last axis. kind : {'quicksort', 'mergesort', 'heapsort', 'stable'}, optional     Sorting algorithm. Default is 'quicksort'. order : str or list of str, optional     When `a` is an array with fields defined, this argument specifies     which fields to compare first, second, etc.  A single field can     be specified as a string, and not all fields need be specified,     but unspecified fields will still be used, in the order in which     they come up in the dtype, to break ties.   See Also -------- numpy.sort : Return a sorted copy of an array. argsort : Indirect sort. lexsort : Indirect stable sort on multiple keys. searchsorted : Find elements in sorted array. partition: Partial sort.   Notes ----- See ``sort`` for notes on the different sorting algorithms.   Examples -------- >>> a = np.array([[1,4], [3,1]]) >>> a.sort(axis=1) >>> a array([[1, 4],        [1, 3]]) >>> a.sort(axis=0) >>> a array([[1, 3],        [1, 4]])   Use the `order` keyword to specify a field to use when sorting a structured array:   >>> a = np.array([('a', 2), ('c', 1)], dtype=[('x', 'S1'), ('y', int)]) >>> a.sort(order='y') >>> a array([('c', 1), ('a', 2)],       dtype=[('x', '|S1'), ('y', '<i4')]) squeeze(...) a.squeeze(axis=None)   Remove single-dimensional entries from the shape of `a`.   Refer to `numpy.squeeze` for full documentation.   See Also -------- numpy.squeeze : equivalent function std(...) a.std(axis=None, dtype=None, out=None, ddof=0, keepdims=False)   Returns the standard deviation of the array elements along given axis.   Refer to `numpy.std` for full documentation.   See Also -------- numpy.std : equivalent function sum(...) a.sum(axis=None, dtype=None, out=None, keepdims=False)   Return the sum of the array elements over the given axis.   Refer to `numpy.sum` for full documentation.   See Also -------- numpy.sum : equivalent function swapaxes(...) a.swapaxes(axis1, axis2)   Return a view of the array with `axis1` and `axis2` interchanged.   Refer to `numpy.swapaxes` for full documentation.   See Also -------- numpy.swapaxes : equivalent function take(...) a.take(indices, axis=None, out=None, mode='raise')   Return an array formed from the elements of `a` at the given indices.   Refer to `numpy.take` for full documentation.   See Also -------- numpy.take : equivalent function tobytes(...) a.tobytes(order='C')   Construct Python bytes containing the raw data bytes in the array.   Constructs Python bytes showing a copy of the raw contents of data memory. The bytes object can be produced in either 'C' or 'Fortran', or 'Any' order (the default is 'C'-order). 'Any' order means C-order unless the F_CONTIGUOUS flag in the array is set, in which case it means 'Fortran' order.   .. versionadded:: 1.9.0   Parameters ---------- order : {'C', 'F', None}, optional     Order of the data for multidimensional arrays:     C, Fortran, or the same as for the original array.   Returns ------- s : bytes     Python bytes exhibiting a copy of `a`'s raw data.   Examples -------- >>> x = np.array([[0, 1], [2, 3]]) >>> x.tobytes() b'\x00\x00\x00\x00\x01\x00\x00\x00\x02\x00\x00\x00\x03\x00\x00\x00' >>> x.tobytes('C') == x.tobytes() True >>> x.tobytes('F') b'\x00\x00\x00\x00\x02\x00\x00\x00\x01\x00\x00\x00\x03\x00\x00\x00' tofile(...) a.tofile(fid, sep="", format="%s")   Write array to a file as text or binary (default).   Data is always written in 'C' order, independent of the order of `a`. The data produced by this method can be recovered using the function fromfile().   Parameters ---------- fid : file or str     An open file object, or a string containing a filename. sep : str     Separator between array items for text output.     If "" (empty), a binary file is written, equivalent to     ``file.write(a.tobytes())``. format : str     Format string for text file output.     Each entry in the array is formatted to text by first converting     it to the closest Python type, and then using "format" % item.   Notes ----- This is a convenience function for quick storage of array data. Information on endianness and precision is lost, so this method is not a good choice for files intended to archive data or transport data between machines with different endianness. Some of these problems can be overcome by outputting the data as text files, at the expense of speed and file size.   When fid is a file object, array contents are directly written to the file, bypassing the file object's ``write`` method. As a result, tofile cannot be used with files objects supporting compression (e.g., GzipFile) or file-like objects that do not support ``fileno()`` (e.g., BytesIO). tolist(...) a.tolist()   Return the array as a (possibly nested) list.   Return a copy of the array data as a (nested) Python list. Data items are converted to the nearest compatible Python type.   Parameters ---------- none   Returns ------- y : list     The possibly nested list of array elements.   Notes ----- The array may be recreated, ``a = np.array(a.tolist())``.   Examples -------- >>> a = np.array([1, 2]) >>> a.tolist() [1, 2] >>> a = np.array([[1, 2], [3, 4]]) >>> list(a) [array([1, 2]), array([3, 4])] >>> a.tolist() [[1, 2], [3, 4]] tostring(...) a.tostring(order='C')   Construct Python bytes containing the raw data bytes in the array.   Constructs Python bytes showing a copy of the raw contents of data memory. The bytes object can be produced in either 'C' or 'Fortran', or 'Any' order (the default is 'C'-order). 'Any' order means C-order unless the F_CONTIGUOUS flag in the array is set, in which case it means 'Fortran' order.   This function is a compatibility alias for tobytes. Despite its name it returns bytes not strings.   Parameters ---------- order : {'C', 'F', None}, optional     Order of the data for multidimensional arrays:     C, Fortran, or the same as for the original array.   Returns ------- s : bytes     Python bytes exhibiting a copy of `a`'s raw data.   Examples -------- >>> x = np.array([[0, 1], [2, 3]]) >>> x.tobytes() b'\x00\x00\x00\x00\x01\x00\x00\x00\x02\x00\x00\x00\x03\x00\x00\x00' >>> x.tobytes('C') == x.tobytes() True >>> x.tobytes('F') b'\x00\x00\x00\x00\x02\x00\x00\x00\x01\x00\x00\x00\x03\x00\x00\x00' trace(...) a.trace(offset=0, axis1=0, axis2=1, dtype=None, out=None)   Return the sum along diagonals of the array.   Refer to `numpy.trace` for full documentation.   See Also -------- numpy.trace : equivalent function transpose(...) a.transpose(*axes)   Returns a view of the array with axes transposed.   For a 1-D array, this has no effect. (To change between column and row vectors, first cast the 1-D array into a matrix object.) For a 2-D array, this is the usual matrix transpose. For an n-D array, if axes are given, their order indicates how the axes are permuted (see Examples). If axes are not provided and ``a.shape = (i[0], i[1], ... i[n-2], i[n-1])``, then ``a.transpose().shape = (i[n-1], i[n-2], ... i[1], i[0])``.   Parameters ---------- axes : None, tuple of ints, or `n` ints    * None or no argument: reverses the order of the axes.    * tuple of ints: `i` in the `j`-th place in the tuple means `a`'s    `i`-th axis becomes `a.transpose()`'s `j`-th axis.    * `n` ints: same as an n-tuple of the same ints (this form is    intended simply as a "convenience" alternative to the tuple form)   Returns ------- out : ndarray     View of `a`, with axes suitably permuted.   See Also -------- ndarray.T : Array property returning the array transposed.   Examples -------- >>> a = np.array([[1, 2], [3, 4]]) >>> a array([[1, 2],        [3, 4]]) >>> a.transpose() array([[1, 3],        [2, 4]]) >>> a.transpose((1, 0)) array([[1, 3],        [2, 4]]) >>> a.transpose(1, 0) array([[1, 3],        [2, 4]]) var(...) a.var(axis=None, dtype=None, out=None, ddof=0, keepdims=False)   Returns the variance of the array elements, along given axis.   Refer to `numpy.var` for full documentation.   See Also -------- numpy.var : equivalent function view(...) a.view(dtype=None, type=None)   New view of array with the same data.   Parameters ---------- dtype : data-type or ndarray sub-class, optional     Data-type descriptor of the returned view, e.g., float32 or int16. The     default, None, results in the view having the same data-type as `a`.     This argument can also be specified as an ndarray sub-class, which     then specifies the type of the returned object (this is equivalent to     setting the ``type`` parameter). type : Python type, optional     Type of the returned view, e.g., ndarray or matrix.  Again, the     default None results in type preservation.   Notes ----- ``a.view()`` is used two different ways:   ``a.view(some_dtype)`` or ``a.view(dtype=some_dtype)`` constructs a view of the array's memory with a different data-type.  This can cause a reinterpretation of the bytes of memory.   ``a.view(ndarray_subclass)`` or ``a.view(type=ndarray_subclass)`` just returns an instance of `ndarray_subclass` that looks at the same array (same shape, dtype, etc.)  This does not cause a reinterpretation of the memory.   For ``a.view(some_dtype)``, if ``some_dtype`` has a different number of bytes per entry than the previous dtype (for example, converting a regular array to a structured array), then the behavior of the view cannot be predicted just from the superficial appearance of ``a`` (shown by ``print(a)``). It also depends on exactly how ``a`` is stored in memory. Therefore if ``a`` is C-ordered versus fortran-ordered, versus defined as a slice or transpose, etc., the view may give different results.     Examples -------- >>> x = np.array([(1, 2)], dtype=[('a', np.int8), ('b', np.int8)])   Viewing array data using a different type and dtype:   >>> y = x.view(dtype=np.int16, type=np.matrix) >>> y matrix([[513]], dtype=int16) >>> print(type(y)) <class 'numpy.matrixlib.defmatrix.matrix'>   Creating a view on a structured array so it can be used in calculations   >>> x = np.array([(1, 2),(3,4)], dtype=[('a', np.int8), ('b', np.int8)]) >>> xv = x.view(dtype=np.int8).reshape(-1,2) >>> xv array([[1, 2],        [3, 4]], dtype=int8) >>> xv.mean(0) array([ 2.,  3.])   Making changes to the view changes the underlying array   >>> xv[0,1] = 20 >>> print(x) [(1, 20) (3, 4)]   Using a view to convert an array to a recarray:   >>> z = x.view(np.recarray) >>> z.a array([1], dtype=int8)   Views share data:   >>> x[0] = (9, 10) >>> z[0] (9, 10)   Views that change the dtype size (bytes per entry) should normally be avoided on arrays defined by slices, transposes, fortran-ordering, etc.:   >>> x = np.array([[1,2,3],[4,5,6]], dtype=np.int16) >>> y = x[:, 0:2] >>> y array([[1, 2],        [4, 5]], dtype=int16) >>> y.view(dtype=[('width', np.int16), ('length', np.int16)]) Traceback (most recent call last):   File "<stdin>", line 1, in <module> ValueError: new type not compatible with array. >>> z = y.copy() >>> z.view(dtype=[('width', np.int16), ('length', np.int16)]) array([[(1, 2)],        [(4, 5)]], dtype=[('width', '<i2'), ('length', '<i2')]) Data descriptors inherited from ndarray: T Same as self.transpose(), except that self is returned if self.ndim < 2.   Examples -------- >>> x = np.array([[1.,2.],[3.,4.]]) >>> x array([[ 1.,  2.],        [ 3.,  4.]]) >>> x.T array([[ 1.,  3.],        [ 2.,  4.]]) >>> x = np.array([1.,2.,3.,4.]) >>> x array([ 1.,  2.,  3.,  4.]) >>> x.T array([ 1.,  2.,  3.,  4.]) __array_interface__ Array protocol: Python side. __array_priority__ Array priority. __array_struct__ Array protocol: C-struct side. base Base object if memory is from some other object.   Examples -------- The base of an array that owns its memory is None:   >>> x = np.array([1,2,3,4]) >>> x.base is None True   Slicing creates a view, whose memory is shared with x:   >>> y = x[2:] >>> y.base is x True ctypes An object to simplify the interaction of the array with the ctypes module.   This attribute creates an object that makes it easier to use arrays when calling shared libraries with the ctypes module. The returned object has, among others, data, shape, and strides attributes (see Notes below) which themselves return ctypes objects that can be used as arguments to a shared library.   Parameters ---------- None   Returns ------- c : Python object     Possessing attributes data, shape, strides, etc.   See Also -------- numpy.ctypeslib   Notes ----- Below are the public attributes of this object which were documented in "Guide to NumPy" (we have omitted undocumented public attributes, as well as documented private attributes):   * data: A pointer to the memory area of the array as a Python integer.   This memory area may contain data that is not aligned, or not in correct   byte-order. The memory area may not even be writeable. The array   flags and data-type of this array should be respected when passing this   attribute to arbitrary C-code to avoid trouble that can include Python   crashing. User Beware! The value of this attribute is exactly the same   as self._array_interface_['data'][0].   * shape (c_intp*self.ndim): A ctypes array of length self.ndim where   the basetype is the C-integer corresponding to dtype('p') on this   platform. This base-type could be c_int, c_long, or c_longlong   depending on the platform. The c_intp type is defined accordingly in   numpy.ctypeslib. The ctypes array contains the shape of the underlying   array.   * strides (c_intp*self.ndim): A ctypes array of length self.ndim where   the basetype is the same as for the shape attribute. This ctypes array   contains the strides information from the underlying array. This strides   information is important for showing how many bytes must be jumped to   get to the next element in the array.   * data_as(obj): Return the data pointer cast to a particular c-types object.   For example, calling self._as_parameter_ is equivalent to   self.data_as(ctypes.c_void_p). Perhaps you want to use the data as a   pointer to a ctypes array of floating-point data:   self.data_as(ctypes.POINTER(ctypes.c_double)).   * shape_as(obj): Return the shape tuple as an array of some other c-types   type. For example: self.shape_as(ctypes.c_short).   * strides_as(obj): Return the strides tuple as an array of some other   c-types type. For example: self.strides_as(ctypes.c_longlong).   Be careful using the ctypes attribute - especially on temporary arrays or arrays constructed on the fly. For example, calling ``(a+b).ctypes.data_as(ctypes.c_void_p)`` returns a pointer to memory that is invalid because the array created as (a+b) is deallocated before the next Python statement. You can avoid this problem using either ``c=a+b`` or ``ct=(a+b).ctypes``. In the latter case, ct will hold a reference to the array until ct is deleted or re-assigned.   If the ctypes module is not available, then the ctypes attribute of array objects still returns something useful, but ctypes objects are not returned and errors may be raised instead. In particular, the object will still have the as parameter attribute which will return an integer equal to the data attribute.   Examples -------- >>> import ctypes >>> x array([[0, 1],        [2, 3]]) >>> x.ctypes.data 30439712 >>> x.ctypes.data_as(ctypes.POINTER(ctypes.c_long)) <ctypes.LP_c_long object at 0x01F01300> >>> x.ctypes.data_as(ctypes.POINTER(ctypes.c_long)).contents c_long(0) >>> x.ctypes.data_as(ctypes.POINTER(ctypes.c_longlong)).contents c_longlong(4294967296L) >>> x.ctypes.shape <numpy.core._internal.c_long_Array_2 object at 0x01FFD580> >>> x.ctypes.shape_as(ctypes.c_long) <numpy.core._internal.c_long_Array_2 object at 0x01FCE620> >>> x.ctypes.strides <numpy.core._internal.c_long_Array_2 object at 0x01FCE620> >>> x.ctypes.strides_as(ctypes.c_longlong) <numpy.core._internal.c_longlong_Array_2 object at 0x01F01300> data Python buffer object pointing to the start of the array's data. dtype Data-type of the array's elements.   Parameters ---------- None   Returns ------- d : numpy dtype object   See Also -------- numpy.dtype   Examples -------- >>> x array([[0, 1],        [2, 3]]) >>> x.dtype dtype('int32') >>> type(x.dtype) <type 'numpy.dtype'> flags Information about the memory layout of the array.   Attributes ---------- C_CONTIGUOUS (C)     The data is in a single, C-style contiguous segment. F_CONTIGUOUS (F)     The data is in a single, Fortran-style contiguous segment. OWNDATA (O)     The array owns the memory it uses or borrows it from another object. WRITEABLE (W)     The data area can be written to.  Setting this to False locks     the data, making it read-only.  A view (slice, etc.) inherits WRITEABLE     from its base array at creation time, but a view of a writeable     array may be subsequently locked while the base array remains writeable.     (The opposite is not true, in that a view of a locked array may not     be made writeable.  However, currently, locking a base object does not     lock any views that already reference it, so under that circumstance it     is possible to alter the contents of a locked array via a previously     created writeable view onto it.)  Attempting to change a non-writeable     array raises a RuntimeError exception. ALIGNED (A)     The data and all elements are aligned appropriately for the hardware. WRITEBACKIFCOPY (X)     This array is a copy of some other array. The C-API function     PyArray_ResolveWritebackIfCopy must be called before deallocating     to the base array will be updated with the contents of this array. UPDATEIFCOPY (U)     (Deprecated, use WRITEBACKIFCOPY) This array is a copy of some other array.     When this array is     deallocated, the base array will be updated with the contents of     this array. FNC     F_CONTIGUOUS and not C_CONTIGUOUS. FORC     F_CONTIGUOUS or C_CONTIGUOUS (one-segment test). BEHAVED (B)     ALIGNED and WRITEABLE. CARRAY (CA)     BEHAVED and C_CONTIGUOUS. FARRAY (FA)     BEHAVED and F_CONTIGUOUS and not C_CONTIGUOUS.   Notes ----- The `flags` object can be accessed dictionary-like (as in ``a.flags['WRITEABLE']``), or by using lowercased attribute names (as in ``a.flags.writeable``). Short flag names are only supported in dictionary access.   Only the WRITEBACKIFCOPY, UPDATEIFCOPY, WRITEABLE, and ALIGNED flags can be changed by the user, via direct assignment to the attribute or dictionary entry, or by calling `ndarray.setflags`.   The array flags cannot be set arbitrarily:   - UPDATEIFCOPY can only be set ``False``. - WRITEBACKIFCOPY can only be set ``False``. - ALIGNED can only be set ``True`` if the data is truly aligned. - WRITEABLE can only be set ``True`` if the array owns its own memory   or the ultimate owner of the memory exposes a writeable buffer   interface or is a string.   Arrays can be both C-style and Fortran-style contiguous simultaneously. This is clear for 1-dimensional arrays, but can also be true for higher dimensional arrays.   Even for contiguous arrays a stride for a given dimension ``arr.strides[dim]`` may be *arbitrary* if ``arr.shape[dim] == 1`` or the array has no elements. It does *not* generally hold that ``self.strides[-1] == self.itemsize`` for C-style contiguous arrays or ``self.strides[0] == self.itemsize`` for Fortran-style contiguous arrays is true. flat A 1-D iterator over the array.   This is a `numpy.flatiter` instance, which acts similarly to, but is not a subclass of, Python's built-in iterator object.   See Also -------- flatten : Return a copy of the array collapsed into one dimension.   flatiter   Examples -------- >>> x = np.arange(1, 7).reshape(2, 3) >>> x array([[1, 2, 3],        [4, 5, 6]]) >>> x.flat[3] 4 >>> x.T array([[1, 4],        [2, 5],        [3, 6]]) >>> x.T.flat[3] 5 >>> type(x.flat) <type 'numpy.flatiter'>   An assignment example:   >>> x.flat = 3; x array([[3, 3, 3],        [3, 3, 3]]) >>> x.flat[[1,4]] = 1; x array([[3, 1, 3],        [3, 1, 3]]) imag The imaginary part of the array.   Examples -------- >>> x = np.sqrt([1+0j, 0+1j]) >>> x.imag array([ 0.        ,  0.70710678]) >>> x.imag.dtype dtype('float64') itemsize Length of one array element in bytes.   Examples -------- >>> x = np.array([1,2,3], dtype=np.float64) >>> x.itemsize 8 >>> x = np.array([1,2,3], dtype=np.complex128) >>> x.itemsize 16 nbytes Total bytes consumed by the elements of the array.   Notes ----- Does not include memory consumed by non-element attributes of the array object.   Examples -------- >>> x = np.zeros((3,5,2), dtype=np.complex128) >>> x.nbytes 480 >>> np.prod(x.shape) * x.itemsize 480 ndim Number of array dimensions.   Examples -------- >>> x = np.array([1, 2, 3]) >>> x.ndim 1 >>> y = np.zeros((2, 3, 4)) >>> y.ndim 3 real The real part of the array.   Examples -------- >>> x = np.sqrt([1+0j, 0+1j]) >>> x.real array([ 1.        ,  0.70710678]) >>> x.real.dtype dtype('float64')   See Also -------- numpy.real : equivalent function shape Tuple of array dimensions.   The shape property is usually used to get the current shape of an array, but may also be used to reshape the array in-place by assigning a tuple of array dimensions to it.  As with `numpy.reshape`, one of the new shape dimensions can be -1, in which case its value is inferred from the size of the array and the remaining dimensions. Reshaping an array in-place will fail if a copy is required.   Examples -------- >>> x = np.array([1, 2, 3, 4]) >>> x.shape (4,) >>> y = np.zeros((2, 3, 4)) >>> y.shape (2, 3, 4) >>> y.shape = (3, 8) >>> y array([[ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],        [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],        [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.]]) >>> y.shape = (3, 6) Traceback (most recent call last):   File "<stdin>", line 1, in <module> ValueError: total size of new array must be unchanged >>> np.zeros((4,2))[::2].shape = (-1,) Traceback (most recent call last):   File "<stdin>", line 1, in <module> AttributeError: incompatible shape for a non-contiguous array   See Also -------- numpy.reshape : similar function ndarray.reshape : similar method size Number of elements in the array.   Equal to ``np.prod(a.shape)``, i.e., the product of the array's dimensions.   Notes ----- `a.size` returns a standard arbitrary precision Python integer. This  may not be the case with other methods of obtaining the same value (like the suggested ``np.prod(a.shape)``, which returns an instance of ``np.int_``), and may be relevant if the value is used further in calculations that may overflow a fixed size integer type.   Examples -------- >>> x = np.zeros((3, 5, 2), dtype=np.complex128) >>> x.size 30 >>> np.prod(x.shape) 30 strides Tuple of bytes to step in each dimension when traversing an array.   The byte offset of element ``(i[0], i[1], ..., i[n])`` in an array `a` is::       offset = sum(np.array(i) * a.strides)   A more detailed explanation of strides can be found in the "ndarray.rst" file in the NumPy reference guide.   Notes ----- Imagine an array of 32-bit integers (each 4 bytes)::     x = np.array([[0, 1, 2, 3, 4],                 [5, 6, 7, 8, 9]], dtype=np.int32)   This array is stored in memory as 40 bytes, one after the other (known as a contiguous block of memory).  The strides of an array tell us how many bytes we have to skip in memory to move to the next position along a certain axis.  For example, we have to skip 4 bytes (1 value) to move to the next column, but 20 bytes (5 values) to get to the same position in the next row.  As such, the strides for the array `x` will be ``(20, 4)``.   See Also -------- numpy.lib.stride_tricks.as_strided   Examples -------- >>> y = np.reshape(np.arange(2*3*4), (2,3,4)) >>> y array([[[ 0,  1,  2,  3],         [ 4,  5,  6,  7],         [ 8,  9, 10, 11]],        [[12, 13, 14, 15],         [16, 17, 18, 19],         [20, 21, 22, 23]]]) >>> y.strides (48, 16, 4) >>> y[1,1,1] 17 >>> offset=sum(y.strides * np.array((1,1,1))) >>> offset/y.itemsize 17   >>> x = np.reshape(np.arange(5*6*7*8), (5,6,7,8)).transpose(2,3,1,0) >>> x.strides (32, 4, 224, 1344) >>> i = np.array([3,5,2,2]) >>> offset = sum(i * x.strides) >>> x[3,5,2,2] 813 >>> offset / x.itemsize 813 Data and other attributes inherited from ndarray: __hash__ = None   class record(void)     A data-type scalar that allows field access as attribute lookup.     Method resolution order: record void flexible generic builtins.object Methods defined here: __getattribute__(self, attr) Return getattr(self, name). __getitem__(self, indx) Return self[key]. __repr__(self) Return repr(self). __setattr__(self, attr, val) Implement setattr(self, name, value). __str__(self) Return str(self). pprint(self) Pretty-print all fields. Data descriptors defined here: __dict__ dictionary for instance variables (if defined) __weakref__ list of weak references to the object (if defined) Methods inherited from void: __delitem__(self, key, /) Delete self[key]. __eq__(self, value, /) Return self==value. __ge__(self, value, /) Return self>=value. __gt__(self, value, /) Return self>value. __hash__(self, /) Return hash(self). __le__(self, value, /) Return self<=value. __len__(self, /) Return len(self). __lt__(self, value, /) Return self<value. __ne__(self, value, /) Return self!=value. __new__(*args, **kwargs) from builtins.type Create and return a new object.  See help(type) for accurate signature. __setitem__(self, key, value, /) Set self[key] to value. getfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. Data descriptors inherited from void: base base object dtype dtype object flags integer value of flags Methods inherited from generic: __abs__(self, /) abs(self) __add__(self, value, /) Return self+value. __and__(self, value, /) Return self&value. __array__(...) sc.__array__(dtype) return 0-dim array from scalar with specified dtype __array_wrap__(...) sc.__array_wrap__(obj) return scalar from array __bool__(self, /) self != 0 __copy__(...) __deepcopy__(...) __divmod__(self, value, /) Return divmod(self, value). __float__(self, /) float(self) __floordiv__(self, value, /) Return self//value. __format__(...) NumPy array scalar formatter __int__(self, /) int(self) __invert__(self, /) ~self __lshift__(self, value, /) Return self<<value. __mod__(self, value, /) Return self%value. __mul__(self, value, /) Return self*value. __neg__(self, /) -self __or__(self, value, /) Return self|value. __pos__(self, /) +self __pow__(self, value, mod=None, /) Return pow(self, value, mod). __radd__(self, value, /) Return value+self. __rand__(self, value, /) Return value&self. __rdivmod__(self, value, /) Return divmod(value, self). __reduce__(...) helper for pickle __rfloordiv__(self, value, /) Return value//self. __rlshift__(self, value, /) Return value<<self. __rmod__(self, value, /) Return value%self. __rmul__(self, value, /) Return value*self. __ror__(self, value, /) Return value|self. __round__(...) __rpow__(self, value, mod=None, /) Return pow(value, self, mod). __rrshift__(self, value, /) Return value>>self. __rshift__(self, value, /) Return self>>value. __rsub__(self, value, /) Return value-self. __rtruediv__(self, value, /) Return value/self. __rxor__(self, value, /) Return value^self. __setstate__(...) __sizeof__(...) __sizeof__() -> int size of object in memory, in bytes __sub__(self, value, /) Return self-value. __truediv__(self, value, /) Return self/value. __xor__(self, value, /) Return self^value. all(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. any(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmax(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmin(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argsort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. astype(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. byteswap(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. choose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. clip(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. compress(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. conj(...) conjugate(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. copy(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumprod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumsum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. diagonal(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dump(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dumps(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. fill(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. flatten(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. item(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. itemset(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. max(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. mean(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. min(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. newbyteorder(...) newbyteorder(new_order='S')   Return a new `dtype` with a different byte order.   Changes are also made in all fields and sub-arrays of the data type.   The `new_order` code can be any from the following:   * 'S' - swap dtype from current to opposite endian * {'<', 'L'} - little endian * {'>', 'B'} - big endian * {'=', 'N'} - native order * {'|', 'I'} - ignore (no change to byte order)   Parameters ---------- new_order : str, optional     Byte order to force; a value from the byte order specifications     above.  The default value ('S') results in swapping the current     byte order. The code does a case-insensitive check on the first     letter of `new_order` for the alternatives above.  For example,     any of 'B' or 'b' or 'biggish' are valid to specify big-endian.     Returns ------- new_dtype : dtype     New `dtype` object with the given change to the byte order. nonzero(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. prod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ptp(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. put(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ravel(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. repeat(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. reshape(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. resize(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. round(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. searchsorted(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setflags(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. squeeze(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. std(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. swapaxes(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. take(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tobytes(...) tofile(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tolist(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tostring(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. trace(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. transpose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. var(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. view(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. Data descriptors inherited from generic: T transpose __array_interface__ Array protocol: Python side __array_priority__ Array priority. __array_struct__ Array protocol: struct data pointer to start of data flat a 1-d view of scalar imag imaginary part of scalar itemsize length of one element in bytes nbytes length of item in bytes ndim number of array dimensions real real part of scalar shape tuple of array dimensions size number of elements in the gentype strides tuple of bytes steps in each dimension   short = class int16(signedinteger)     16-bit integer. Character code ``h``. C short compatible.     Method resolution order: int16 signedinteger integer number generic builtins.object Methods defined here: __abs__(self, /) abs(self) __add__(self, value, /) Return self+value. __and__(self, value, /) Return self&value. __bool__(self, /) self != 0 __divmod__(self, value, /) Return divmod(self, value). __eq__(self, value, /) Return self==value. __float__(self, /) float(self) __floordiv__(self, value, /) Return self//value. __ge__(self, value, /) Return self>=value. __gt__(self, value, /) Return self>value. __hash__(self, /) Return hash(self). __index__(self, /) Return self converted to an integer, if self is suitable for use as an index into a list. __int__(self, /) int(self) __invert__(self, /) ~self __le__(self, value, /) Return self<=value. __lshift__(self, value, /) Return self<<value. __lt__(self, value, /) Return self<value. __mod__(self, value, /) Return self%value. __mul__(self, value, /) Return self*value. __ne__(self, value, /) Return self!=value. __neg__(self, /) -self __new__(*args, **kwargs) from builtins.type Create and return a new object.  See help(type) for accurate signature. __or__(self, value, /) Return self|value. __pos__(self, /) +self __pow__(self, value, mod=None, /) Return pow(self, value, mod). __radd__(self, value, /) Return value+self. __rand__(self, value, /) Return value&self. __rdivmod__(self, value, /) Return divmod(value, self). __repr__(self, /) Return repr(self). __rfloordiv__(self, value, /) Return value//self. __rlshift__(self, value, /) Return value<<self. __rmod__(self, value, /) Return value%self. __rmul__(self, value, /) Return value*self. __ror__(self, value, /) Return value|self. __rpow__(self, value, mod=None, /) Return pow(value, self, mod). __rrshift__(self, value, /) Return value>>self. __rshift__(self, value, /) Return self>>value. __rsub__(self, value, /) Return value-self. __rtruediv__(self, value, /) Return value/self. __rxor__(self, value, /) Return value^self. __str__(self, /) Return str(self). __sub__(self, value, /) Return self-value. __truediv__(self, value, /) Return self/value. __xor__(self, value, /) Return self^value. Data descriptors inherited from integer: denominator denominator of value (1) numerator numerator of value (the value itself) Methods inherited from generic: __array__(...) sc.__array__(dtype) return 0-dim array from scalar with specified dtype __array_wrap__(...) sc.__array_wrap__(obj) return scalar from array __copy__(...) __deepcopy__(...) __format__(...) NumPy array scalar formatter __getitem__(self, key, /) Return self[key]. __reduce__(...) helper for pickle __round__(...) __setstate__(...) __sizeof__(...) __sizeof__() -> int size of object in memory, in bytes all(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. any(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmax(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmin(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argsort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. astype(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. byteswap(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. choose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. clip(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. compress(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. conj(...) conjugate(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. copy(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumprod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumsum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. diagonal(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dump(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dumps(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. fill(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. flatten(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. getfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. item(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. itemset(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. max(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. mean(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. min(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. newbyteorder(...) newbyteorder(new_order='S')   Return a new `dtype` with a different byte order.   Changes are also made in all fields and sub-arrays of the data type.   The `new_order` code can be any from the following:   * 'S' - swap dtype from current to opposite endian * {'<', 'L'} - little endian * {'>', 'B'} - big endian * {'=', 'N'} - native order * {'|', 'I'} - ignore (no change to byte order)   Parameters ---------- new_order : str, optional     Byte order to force; a value from the byte order specifications     above.  The default value ('S') results in swapping the current     byte order. The code does a case-insensitive check on the first     letter of `new_order` for the alternatives above.  For example,     any of 'B' or 'b' or 'biggish' are valid to specify big-endian.     Returns ------- new_dtype : dtype     New `dtype` object with the given change to the byte order. nonzero(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. prod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ptp(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. put(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ravel(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. repeat(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. reshape(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. resize(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. round(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. searchsorted(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setflags(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. squeeze(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. std(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. swapaxes(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. take(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tobytes(...) tofile(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tolist(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tostring(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. trace(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. transpose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. var(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. view(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. Data descriptors inherited from generic: T transpose __array_interface__ Array protocol: Python side __array_priority__ Array priority. __array_struct__ Array protocol: struct base base object data pointer to start of data dtype get array data-descriptor flags integer value of flags flat a 1-d view of scalar imag imaginary part of scalar itemsize length of one element in bytes nbytes length of item in bytes ndim number of array dimensions real real part of scalar shape tuple of array dimensions size number of elements in the gentype strides tuple of bytes steps in each dimension   class signedinteger(integer)     Base class for numpy scalar types.   Class from which most (all?) numpy scalar types are derived.  For consistency, exposes the same API as `ndarray`, despite many consequent attributes being either "get-only," or completely irrelevant. This is the class from which it is strongly suggested users should derive custom scalar types.     Method resolution order: signedinteger integer number generic builtins.object Data descriptors inherited from integer: denominator denominator of value (1) numerator numerator of value (the value itself) Methods inherited from generic: __abs__(self, /) abs(self) __add__(self, value, /) Return self+value. __and__(self, value, /) Return self&value. __array__(...) sc.__array__(dtype) return 0-dim array from scalar with specified dtype __array_wrap__(...) sc.__array_wrap__(obj) return scalar from array __bool__(self, /) self != 0 __copy__(...) __deepcopy__(...) __divmod__(self, value, /) Return divmod(self, value). __eq__(self, value, /) Return self==value. __float__(self, /) float(self) __floordiv__(self, value, /) Return self//value. __format__(...) NumPy array scalar formatter __ge__(self, value, /) Return self>=value. __getitem__(self, key, /) Return self[key]. __gt__(self, value, /) Return self>value. __int__(self, /) int(self) __invert__(self, /) ~self __le__(self, value, /) Return self<=value. __lshift__(self, value, /) Return self<<value. __lt__(self, value, /) Return self<value. __mod__(self, value, /) Return self%value. __mul__(self, value, /) Return self*value. __ne__(self, value, /) Return self!=value. __neg__(self, /) -self __or__(self, value, /) Return self|value. __pos__(self, /) +self __pow__(self, value, mod=None, /) Return pow(self, value, mod). __radd__(self, value, /) Return value+self. __rand__(self, value, /) Return value&self. __rdivmod__(self, value, /) Return divmod(value, self). __reduce__(...) helper for pickle __rfloordiv__(self, value, /) Return value//self. __rlshift__(self, value, /) Return value<<self. __rmod__(self, value, /) Return value%self. __rmul__(self, value, /) Return value*self. __ror__(self, value, /) Return value|self. __round__(...) __rpow__(self, value, mod=None, /) Return pow(value, self, mod). __rrshift__(self, value, /) Return value>>self. __rshift__(self, value, /) Return self>>value. __rsub__(self, value, /) Return value-self. __rtruediv__(self, value, /) Return value/self. __rxor__(self, value, /) Return value^self. __setstate__(...) __sizeof__(...) __sizeof__() -> int size of object in memory, in bytes __sub__(self, value, /) Return self-value. __truediv__(self, value, /) Return self/value. __xor__(self, value, /) Return self^value. all(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. any(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmax(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmin(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argsort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. astype(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. byteswap(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. choose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. clip(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. compress(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. conj(...) conjugate(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. copy(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumprod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumsum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. diagonal(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dump(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dumps(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. fill(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. flatten(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. getfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. item(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. itemset(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. max(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. mean(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. min(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. newbyteorder(...) newbyteorder(new_order='S')   Return a new `dtype` with a different byte order.   Changes are also made in all fields and sub-arrays of the data type.   The `new_order` code can be any from the following:   * 'S' - swap dtype from current to opposite endian * {'<', 'L'} - little endian * {'>', 'B'} - big endian * {'=', 'N'} - native order * {'|', 'I'} - ignore (no change to byte order)   Parameters ---------- new_order : str, optional     Byte order to force; a value from the byte order specifications     above.  The default value ('S') results in swapping the current     byte order. The code does a case-insensitive check on the first     letter of `new_order` for the alternatives above.  For example,     any of 'B' or 'b' or 'biggish' are valid to specify big-endian.     Returns ------- new_dtype : dtype     New `dtype` object with the given change to the byte order. nonzero(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. prod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ptp(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. put(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ravel(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. repeat(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. reshape(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. resize(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. round(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. searchsorted(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setflags(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. squeeze(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. std(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. swapaxes(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. take(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tobytes(...) tofile(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tolist(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tostring(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. trace(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. transpose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. var(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. view(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. Data descriptors inherited from generic: T transpose __array_interface__ Array protocol: Python side __array_priority__ Array priority. __array_struct__ Array protocol: struct base base object data pointer to start of data dtype get array data-descriptor flags integer value of flags flat a 1-d view of scalar imag imaginary part of scalar itemsize length of one element in bytes nbytes length of item in bytes ndim number of array dimensions real real part of scalar shape tuple of array dimensions size number of elements in the gentype strides tuple of bytes steps in each dimension Data and other attributes inherited from generic: __hash__ = None   single = class float32(floating)     32-bit floating-point number. Character code 'f'. C float compatible.     Method resolution order: float32 floating inexact number generic builtins.object Methods defined here: __abs__(self, /) abs(self) __add__(self, value, /) Return self+value. __and__(self, value, /) Return self&value. __bool__(self, /) self != 0 __divmod__(self, value, /) Return divmod(self, value). __eq__(self, value, /) Return self==value. __float__(self, /) float(self) __floordiv__(self, value, /) Return self//value. __ge__(self, value, /) Return self>=value. __gt__(self, value, /) Return self>value. __hash__(self, /) Return hash(self). __int__(self, /) int(self) __invert__(self, /) ~self __le__(self, value, /) Return self<=value. __lshift__(self, value, /) Return self<<value. __lt__(self, value, /) Return self<value. __mod__(self, value, /) Return self%value. __mul__(self, value, /) Return self*value. __ne__(self, value, /) Return self!=value. __neg__(self, /) -self __new__(*args, **kwargs) from builtins.type Create and return a new object.  See help(type) for accurate signature. __or__(self, value, /) Return self|value. __pos__(self, /) +self __pow__(self, value, mod=None, /) Return pow(self, value, mod). __radd__(self, value, /) Return value+self. __rand__(self, value, /) Return value&self. __rdivmod__(self, value, /) Return divmod(value, self). __repr__(self, /) Return repr(self). __rfloordiv__(self, value, /) Return value//self. __rlshift__(self, value, /) Return value<<self. __rmod__(self, value, /) Return value%self. __rmul__(self, value, /) Return value*self. __ror__(self, value, /) Return value|self. __rpow__(self, value, mod=None, /) Return pow(value, self, mod). __rrshift__(self, value, /) Return value>>self. __rshift__(self, value, /) Return self>>value. __rsub__(self, value, /) Return value-self. __rtruediv__(self, value, /) Return value/self. __rxor__(self, value, /) Return value^self. __str__(self, /) Return str(self). __sub__(self, value, /) Return self-value. __truediv__(self, value, /) Return self/value. __xor__(self, value, /) Return self^value. Methods inherited from generic: __array__(...) sc.__array__(dtype) return 0-dim array from scalar with specified dtype __array_wrap__(...) sc.__array_wrap__(obj) return scalar from array __copy__(...) __deepcopy__(...) __format__(...) NumPy array scalar formatter __getitem__(self, key, /) Return self[key]. __reduce__(...) helper for pickle __round__(...) __setstate__(...) __sizeof__(...) __sizeof__() -> int size of object in memory, in bytes all(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. any(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmax(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmin(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argsort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. astype(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. byteswap(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. choose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. clip(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. compress(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. conj(...) conjugate(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. copy(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumprod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumsum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. diagonal(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dump(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dumps(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. fill(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. flatten(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. getfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. item(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. itemset(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. max(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. mean(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. min(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. newbyteorder(...) newbyteorder(new_order='S')   Return a new `dtype` with a different byte order.   Changes are also made in all fields and sub-arrays of the data type.   The `new_order` code can be any from the following:   * 'S' - swap dtype from current to opposite endian * {'<', 'L'} - little endian * {'>', 'B'} - big endian * {'=', 'N'} - native order * {'|', 'I'} - ignore (no change to byte order)   Parameters ---------- new_order : str, optional     Byte order to force; a value from the byte order specifications     above.  The default value ('S') results in swapping the current     byte order. The code does a case-insensitive check on the first     letter of `new_order` for the alternatives above.  For example,     any of 'B' or 'b' or 'biggish' are valid to specify big-endian.     Returns ------- new_dtype : dtype     New `dtype` object with the given change to the byte order. nonzero(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. prod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ptp(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. put(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ravel(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. repeat(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. reshape(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. resize(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. round(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. searchsorted(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setflags(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. squeeze(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. std(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. swapaxes(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. take(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tobytes(...) tofile(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tolist(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tostring(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. trace(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. transpose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. var(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. view(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. Data descriptors inherited from generic: T transpose __array_interface__ Array protocol: Python side __array_priority__ Array priority. __array_struct__ Array protocol: struct base base object data pointer to start of data dtype get array data-descriptor flags integer value of flags flat a 1-d view of scalar imag imaginary part of scalar itemsize length of one element in bytes nbytes length of item in bytes ndim number of array dimensions real real part of scalar shape tuple of array dimensions size number of elements in the gentype strides tuple of bytes steps in each dimension   singlecomplex = class complex64(complexfloating)     Composed of two 32 bit floats     Method resolution order: complex64 complexfloating inexact number generic builtins.object Methods defined here: __abs__(self, /) abs(self) __add__(self, value, /) Return self+value. __and__(self, value, /) Return self&value. __bool__(self, /) self != 0 __complex__(...) __divmod__(self, value, /) Return divmod(self, value). __eq__(self, value, /) Return self==value. __float__(self, /) float(self) __floordiv__(self, value, /) Return self//value. __ge__(self, value, /) Return self>=value. __gt__(self, value, /) Return self>value. __hash__(self, /) Return hash(self). __int__(self, /) int(self) __invert__(self, /) ~self __le__(self, value, /) Return self<=value. __lshift__(self, value, /) Return self<<value. __lt__(self, value, /) Return self<value. __mod__(self, value, /) Return self%value. __mul__(self, value, /) Return self*value. __ne__(self, value, /) Return self!=value. __neg__(self, /) -self __new__(*args, **kwargs) from builtins.type Create and return a new object.  See help(type) for accurate signature. __or__(self, value, /) Return self|value. __pos__(self, /) +self __pow__(self, value, mod=None, /) Return pow(self, value, mod). __radd__(self, value, /) Return value+self. __rand__(self, value, /) Return value&self. __rdivmod__(self, value, /) Return divmod(value, self). __repr__(self, /) Return repr(self). __rfloordiv__(self, value, /) Return value//self. __rlshift__(self, value, /) Return value<<self. __rmod__(self, value, /) Return value%self. __rmul__(self, value, /) Return value*self. __ror__(self, value, /) Return value|self. __rpow__(self, value, mod=None, /) Return pow(value, self, mod). __rrshift__(self, value, /) Return value>>self. __rshift__(self, value, /) Return self>>value. __rsub__(self, value, /) Return value-self. __rtruediv__(self, value, /) Return value/self. __rxor__(self, value, /) Return value^self. __str__(self, /) Return str(self). __sub__(self, value, /) Return self-value. __truediv__(self, value, /) Return self/value. __xor__(self, value, /) Return self^value. Methods inherited from generic: __array__(...) sc.__array__(dtype) return 0-dim array from scalar with specified dtype __array_wrap__(...) sc.__array_wrap__(obj) return scalar from array __copy__(...) __deepcopy__(...) __format__(...) NumPy array scalar formatter __getitem__(self, key, /) Return self[key]. __reduce__(...) helper for pickle __round__(...) __setstate__(...) __sizeof__(...) __sizeof__() -> int size of object in memory, in bytes all(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. any(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmax(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmin(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argsort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. astype(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. byteswap(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. choose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. clip(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. compress(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. conj(...) conjugate(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. copy(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumprod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumsum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. diagonal(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dump(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dumps(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. fill(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. flatten(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. getfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. item(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. itemset(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. max(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. mean(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. min(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. newbyteorder(...) newbyteorder(new_order='S')   Return a new `dtype` with a different byte order.   Changes are also made in all fields and sub-arrays of the data type.   The `new_order` code can be any from the following:   * 'S' - swap dtype from current to opposite endian * {'<', 'L'} - little endian * {'>', 'B'} - big endian * {'=', 'N'} - native order * {'|', 'I'} - ignore (no change to byte order)   Parameters ---------- new_order : str, optional     Byte order to force; a value from the byte order specifications     above.  The default value ('S') results in swapping the current     byte order. The code does a case-insensitive check on the first     letter of `new_order` for the alternatives above.  For example,     any of 'B' or 'b' or 'biggish' are valid to specify big-endian.     Returns ------- new_dtype : dtype     New `dtype` object with the given change to the byte order. nonzero(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. prod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ptp(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. put(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ravel(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. repeat(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. reshape(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. resize(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. round(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. searchsorted(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setflags(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. squeeze(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. std(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. swapaxes(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. take(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tobytes(...) tofile(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tolist(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tostring(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. trace(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. transpose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. var(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. view(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. Data descriptors inherited from generic: T transpose __array_interface__ Array protocol: Python side __array_priority__ Array priority. __array_struct__ Array protocol: struct base base object data pointer to start of data dtype get array data-descriptor flags integer value of flags flat a 1-d view of scalar imag imaginary part of scalar itemsize length of one element in bytes nbytes length of item in bytes ndim number of array dimensions real real part of scalar shape tuple of array dimensions size number of elements in the gentype strides tuple of bytes steps in each dimension   str0 = class str_(builtins.str, character)     str(object='') -> str str(bytes_or_buffer[, encoding[, errors]]) -> str   Create a new string object from the given object. If encoding or errors is specified, then the object must expose a data buffer that will be decoded using the given encoding and error handler. Otherwise, returns the result of object.__str__() (if defined) or repr(object). encoding defaults to sys.getdefaultencoding(). errors defaults to 'strict'.     Method resolution order: str_ builtins.str character flexible generic builtins.object Methods defined here: __eq__(self, value, /) Return self==value. __ge__(self, value, /) Return self>=value. __gt__(self, value, /) Return self>value. __hash__(self, /) Return hash(self). __le__(self, value, /) Return self<=value. __lt__(self, value, /) Return self<value. __ne__(self, value, /) Return self!=value. __new__(*args, **kwargs) from builtins.type Create and return a new object.  See help(type) for accurate signature. __repr__(self, /) Return repr(self). __str__(self, /) Return str(self). Methods inherited from builtins.str: __add__(self, value, /) Return self+value. __contains__(self, key, /) Return key in self. __format__(...) S.__format__(format_spec) -> str   Return a formatted version of S as described by format_spec. __getattribute__(self, name, /) Return getattr(self, name). __getitem__(self, key, /) Return self[key]. __getnewargs__(...) __iter__(self, /) Implement iter(self). __len__(self, /) Return len(self). __mod__(self, value, /) Return self%value. __mul__(self, value, /) Return self*value.n __rmod__(self, value, /) Return value%self. __rmul__(self, value, /) Return self*value. __sizeof__(...) S.__sizeof__() -> size of S in memory, in bytes capitalize(...) S.capitalize() -> str   Return a capitalized version of S, i.e. make the first character have upper case and the rest lower case. casefold(...) S.casefold() -> str   Return a version of S suitable for caseless comparisons. center(...) S.center(width[, fillchar]) -> str   Return S centered in a string of length width. Padding is done using the specified fill character (default is a space) count(...) S.count(sub[, start[, end]]) -> int   Return the number of non-overlapping occurrences of substring sub in string S[start:end].  Optional arguments start and end are interpreted as in slice notation. encode(...) S.encode(encoding='utf-8', errors='strict') -> bytes   Encode S using the codec registered for encoding. Default encoding is 'utf-8'. errors may be given to set a different error handling scheme. Default is 'strict' meaning that encoding errors raise a UnicodeEncodeError. Other possible values are 'ignore', 'replace' and 'xmlcharrefreplace' as well as any other name registered with codecs.register_error that can handle UnicodeEncodeErrors. endswith(...) S.endswith(suffix[, start[, end]]) -> bool   Return True if S ends with the specified suffix, False otherwise. With optional start, test S beginning at that position. With optional end, stop comparing S at that position. suffix can also be a tuple of strings to try. expandtabs(...) S.expandtabs(tabsize=8) -> str   Return a copy of S where all tab characters are expanded using spaces. If tabsize is not given, a tab size of 8 characters is assumed. find(...) S.find(sub[, start[, end]]) -> int   Return the lowest index in S where substring sub is found, such that sub is contained within S[start:end].  Optional arguments start and end are interpreted as in slice notation.   Return -1 on failure. format(...) S.format(*args, **kwargs) -> str   Return a formatted version of S, using substitutions from args and kwargs. The substitutions are identified by braces ('{' and '}'). format_map(...) S.format_map(mapping) -> str   Return a formatted version of S, using substitutions from mapping. The substitutions are identified by braces ('{' and '}'). index(...) S.index(sub[, start[, end]]) -> int   Return the lowest index in S where substring sub is found,  such that sub is contained within S[start:end].  Optional arguments start and end are interpreted as in slice notation.   Raises ValueError when the substring is not found. isalnum(...) S.isalnum() -> bool   Return True if all characters in S are alphanumeric and there is at least one character in S, False otherwise. isalpha(...) S.isalpha() -> bool   Return True if all characters in S are alphabetic and there is at least one character in S, False otherwise. isdecimal(...) S.isdecimal() -> bool   Return True if there are only decimal characters in S, False otherwise. isdigit(...) S.isdigit() -> bool   Return True if all characters in S are digits and there is at least one character in S, False otherwise. isidentifier(...) S.isidentifier() -> bool   Return True if S is a valid identifier according to the language definition.   Use keyword.iskeyword() to test for reserved identifiers such as "def" and "class". islower(...) S.islower() -> bool   Return True if all cased characters in S are lowercase and there is at least one cased character in S, False otherwise. isnumeric(...) S.isnumeric() -> bool   Return True if there are only numeric characters in S, False otherwise. isprintable(...) S.isprintable() -> bool   Return True if all characters in S are considered printable in repr() or S is empty, False otherwise. isspace(...) S.isspace() -> bool   Return True if all characters in S are whitespace and there is at least one character in S, False otherwise. istitle(...) S.istitle() -> bool   Return True if S is a titlecased string and there is at least one character in S, i.e. upper- and titlecase characters may only follow uncased characters and lowercase characters only cased ones. Return False otherwise. isupper(...) S.isupper() -> bool   Return True if all cased characters in S are uppercase and there is at least one cased character in S, False otherwise. join(...) S.join(iterable) -> str   Return a string which is the concatenation of the strings in the iterable.  The separator between elements is S. ljust(...) S.ljust(width[, fillchar]) -> str   Return S left-justified in a Unicode string of length width. Padding is done using the specified fill character (default is a space). lower(...) S.lower() -> str   Return a copy of the string S converted to lowercase. lstrip(...) S.lstrip([chars]) -> str   Return a copy of the string S with leading whitespace removed. If chars is given and not None, remove characters in chars instead. partition(...) S.partition(sep) -> (head, sep, tail)   Search for the separator sep in S, and return the part before it, the separator itself, and the part after it.  If the separator is not found, return S and two empty strings. replace(...) S.replace(old, new[, count]) -> str   Return a copy of S with all occurrences of substring old replaced by new.  If the optional argument count is given, only the first count occurrences are replaced. rfind(...) S.rfind(sub[, start[, end]]) -> int   Return the highest index in S where substring sub is found, such that sub is contained within S[start:end].  Optional arguments start and end are interpreted as in slice notation.   Return -1 on failure. rindex(...) S.rindex(sub[, start[, end]]) -> int   Return the highest index in S where substring sub is found, such that sub is contained within S[start:end].  Optional arguments start and end are interpreted as in slice notation.   Raises ValueError when the substring is not found. rjust(...) S.rjust(width[, fillchar]) -> str   Return S right-justified in a string of length width. Padding is done using the specified fill character (default is a space). rpartition(...) S.rpartition(sep) -> (head, sep, tail)   Search for the separator sep in S, starting at the end of S, and return the part before it, the separator itself, and the part after it.  If the separator is not found, return two empty strings and S. rsplit(...) S.rsplit(sep=None, maxsplit=-1) -> list of strings   Return a list of the words in S, using sep as the delimiter string, starting at the end of the string and working to the front.  If maxsplit is given, at most maxsplit splits are done. If sep is not specified, any whitespace string is a separator. rstrip(...) S.rstrip([chars]) -> str   Return a copy of the string S with trailing whitespace removed. If chars is given and not None, remove characters in chars instead. split(...) S.split(sep=None, maxsplit=-1) -> list of strings   Return a list of the words in S, using sep as the delimiter string.  If maxsplit is given, at most maxsplit splits are done. If sep is not specified or is None, any whitespace string is a separator and empty strings are removed from the result. splitlines(...) S.splitlines([keepends]) -> list of strings   Return a list of the lines in S, breaking at line boundaries. Line breaks are not included in the resulting list unless keepends is given and true. startswith(...) S.startswith(prefix[, start[, end]]) -> bool   Return True if S starts with the specified prefix, False otherwise. With optional start, test S beginning at that position. With optional end, stop comparing S at that position. prefix can also be a tuple of strings to try. strip(...) S.strip([chars]) -> str   Return a copy of the string S with leading and trailing whitespace removed. If chars is given and not None, remove characters in chars instead. swapcase(...) S.swapcase() -> str   Return a copy of S with uppercase characters converted to lowercase and vice versa. title(...) S.title() -> str   Return a titlecased version of S, i.e. words start with title case characters, all remaining cased characters have lower case. translate(...) S.translate(table) -> str   Return a copy of the string S in which each character has been mapped through the given translation table. The table must implement lookup/indexing via __getitem__, for instance a dictionary or list, mapping Unicode ordinals to Unicode ordinals, strings, or None. If this operation raises LookupError, the character is left untouched. Characters mapped to None are deleted. upper(...) S.upper() -> str   Return a copy of S converted to uppercase. zfill(...) S.zfill(width) -> str   Pad a numeric string S with zeros on the left, to fill a field of the specified width. The string S is never truncated. Static methods inherited from builtins.str: maketrans(x, y=None, z=None, /) Return a translation table usable for str.translate().   If there is only one argument, it must be a dictionary mapping Unicode ordinals (integers) or characters to Unicode ordinals, strings or None. Character keys will be then converted to ordinals. If there are two arguments, they must be strings of equal length, and in the resulting dictionary, each character in x will be mapped to the character at the same position in y. If there is a third argument, it must be a string, whose characters will be mapped to None in the result. Methods inherited from generic: __abs__(self, /) abs(self) __and__(self, value, /) Return self&value. __array__(...) sc.__array__(dtype) return 0-dim array from scalar with specified dtype __array_wrap__(...) sc.__array_wrap__(obj) return scalar from array __bool__(self, /) self != 0 __copy__(...) __deepcopy__(...) __divmod__(self, value, /) Return divmod(self, value). __float__(self, /) float(self) __floordiv__(self, value, /) Return self//value. __int__(self, /) int(self) __invert__(self, /) ~self __lshift__(self, value, /) Return self<<value. __neg__(self, /) -self __or__(self, value, /) Return self|value. __pos__(self, /) +self __pow__(self, value, mod=None, /) Return pow(self, value, mod). __radd__(self, value, /) Return value+self. __rand__(self, value, /) Return value&self. __rdivmod__(self, value, /) Return divmod(value, self). __reduce__(...) helper for pickle __rfloordiv__(self, value, /) Return value//self. __rlshift__(self, value, /) Return value<<self. __ror__(self, value, /) Return value|self. __round__(...) __rpow__(self, value, mod=None, /) Return pow(value, self, mod). __rrshift__(self, value, /) Return value>>self. __rshift__(self, value, /) Return self>>value. __rsub__(self, value, /) Return value-self. __rtruediv__(self, value, /) Return value/self. __rxor__(self, value, /) Return value^self. __setstate__(...) __sub__(self, value, /) Return self-value. __truediv__(self, value, /) Return self/value. __xor__(self, value, /) Return self^value. all(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. any(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmax(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmin(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argsort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. astype(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. byteswap(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. choose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. clip(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. compress(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. conj(...) conjugate(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. copy(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumprod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumsum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. diagonal(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dump(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dumps(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. fill(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. flatten(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. getfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. item(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. itemset(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. max(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. mean(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. min(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. newbyteorder(...) newbyteorder(new_order='S')   Return a new `dtype` with a different byte order.   Changes are also made in all fields and sub-arrays of the data type.   The `new_order` code can be any from the following:   * 'S' - swap dtype from current to opposite endian * {'<', 'L'} - little endian * {'>', 'B'} - big endian * {'=', 'N'} - native order * {'|', 'I'} - ignore (no change to byte order)   Parameters ---------- new_order : str, optional     Byte order to force; a value from the byte order specifications     above.  The default value ('S') results in swapping the current     byte order. The code does a case-insensitive check on the first     letter of `new_order` for the alternatives above.  For example,     any of 'B' or 'b' or 'biggish' are valid to specify big-endian.     Returns ------- new_dtype : dtype     New `dtype` object with the given change to the byte order. nonzero(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. prod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ptp(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. put(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ravel(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. repeat(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. reshape(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. resize(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. round(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. searchsorted(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setflags(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. squeeze(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. std(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. swapaxes(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. take(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tobytes(...) tofile(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tolist(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tostring(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. trace(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. transpose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. var(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. view(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. Data descriptors inherited from generic: T transpose __array_interface__ Array protocol: Python side __array_priority__ Array priority. __array_struct__ Array protocol: struct base base object data pointer to start of data dtype get array data-descriptor flags integer value of flags flat a 1-d view of scalar imag imaginary part of scalar itemsize length of one element in bytes nbytes length of item in bytes ndim number of array dimensions real real part of scalar shape tuple of array dimensions size number of elements in the gentype strides tuple of bytes steps in each dimension   class str_(builtins.str, character)     str(object='') -> str str(bytes_or_buffer[, encoding[, errors]]) -> str   Create a new string object from the given object. If encoding or errors is specified, then the object must expose a data buffer that will be decoded using the given encoding and error handler. Otherwise, returns the result of object.__str__() (if defined) or repr(object). encoding defaults to sys.getdefaultencoding(). errors defaults to 'strict'.     Method resolution order: str_ builtins.str character flexible generic builtins.object Methods defined here: __eq__(self, value, /) Return self==value. __ge__(self, value, /) Return self>=value. __gt__(self, value, /) Return self>value. __hash__(self, /) Return hash(self). __le__(self, value, /) Return self<=value. __lt__(self, value, /) Return self<value. __ne__(self, value, /) Return self!=value. __new__(*args, **kwargs) from builtins.type Create and return a new object.  See help(type) for accurate signature. __repr__(self, /) Return repr(self). __str__(self, /) Return str(self). Methods inherited from builtins.str: __add__(self, value, /) Return self+value. __contains__(self, key, /) Return key in self. __format__(...) S.__format__(format_spec) -> str   Return a formatted version of S as described by format_spec. __getattribute__(self, name, /) Return getattr(self, name). __getitem__(self, key, /) Return self[key]. __getnewargs__(...) __iter__(self, /) Implement iter(self). __len__(self, /) Return len(self). __mod__(self, value, /) Return self%value. __mul__(self, value, /) Return self*value.n __rmod__(self, value, /) Return value%self. __rmul__(self, value, /) Return self*value. __sizeof__(...) S.__sizeof__() -> size of S in memory, in bytes capitalize(...) S.capitalize() -> str   Return a capitalized version of S, i.e. make the first character have upper case and the rest lower case. casefold(...) S.casefold() -> str   Return a version of S suitable for caseless comparisons. center(...) S.center(width[, fillchar]) -> str   Return S centered in a string of length width. Padding is done using the specified fill character (default is a space) count(...) S.count(sub[, start[, end]]) -> int   Return the number of non-overlapping occurrences of substring sub in string S[start:end].  Optional arguments start and end are interpreted as in slice notation. encode(...) S.encode(encoding='utf-8', errors='strict') -> bytes   Encode S using the codec registered for encoding. Default encoding is 'utf-8'. errors may be given to set a different error handling scheme. Default is 'strict' meaning that encoding errors raise a UnicodeEncodeError. Other possible values are 'ignore', 'replace' and 'xmlcharrefreplace' as well as any other name registered with codecs.register_error that can handle UnicodeEncodeErrors. endswith(...) S.endswith(suffix[, start[, end]]) -> bool   Return True if S ends with the specified suffix, False otherwise. With optional start, test S beginning at that position. With optional end, stop comparing S at that position. suffix can also be a tuple of strings to try. expandtabs(...) S.expandtabs(tabsize=8) -> str   Return a copy of S where all tab characters are expanded using spaces. If tabsize is not given, a tab size of 8 characters is assumed. find(...) S.find(sub[, start[, end]]) -> int   Return the lowest index in S where substring sub is found, such that sub is contained within S[start:end].  Optional arguments start and end are interpreted as in slice notation.   Return -1 on failure. format(...) S.format(*args, **kwargs) -> str   Return a formatted version of S, using substitutions from args and kwargs. The substitutions are identified by braces ('{' and '}'). format_map(...) S.format_map(mapping) -> str   Return a formatted version of S, using substitutions from mapping. The substitutions are identified by braces ('{' and '}'). index(...) S.index(sub[, start[, end]]) -> int   Return the lowest index in S where substring sub is found,  such that sub is contained within S[start:end].  Optional arguments start and end are interpreted as in slice notation.   Raises ValueError when the substring is not found. isalnum(...) S.isalnum() -> bool   Return True if all characters in S are alphanumeric and there is at least one character in S, False otherwise. isalpha(...) S.isalpha() -> bool   Return True if all characters in S are alphabetic and there is at least one character in S, False otherwise. isdecimal(...) S.isdecimal() -> bool   Return True if there are only decimal characters in S, False otherwise. isdigit(...) S.isdigit() -> bool   Return True if all characters in S are digits and there is at least one character in S, False otherwise. isidentifier(...) S.isidentifier() -> bool   Return True if S is a valid identifier according to the language definition.   Use keyword.iskeyword() to test for reserved identifiers such as "def" and "class". islower(...) S.islower() -> bool   Return True if all cased characters in S are lowercase and there is at least one cased character in S, False otherwise. isnumeric(...) S.isnumeric() -> bool   Return True if there are only numeric characters in S, False otherwise. isprintable(...) S.isprintable() -> bool   Return True if all characters in S are considered printable in repr() or S is empty, False otherwise. isspace(...) S.isspace() -> bool   Return True if all characters in S are whitespace and there is at least one character in S, False otherwise. istitle(...) S.istitle() -> bool   Return True if S is a titlecased string and there is at least one character in S, i.e. upper- and titlecase characters may only follow uncased characters and lowercase characters only cased ones. Return False otherwise. isupper(...) S.isupper() -> bool   Return True if all cased characters in S are uppercase and there is at least one cased character in S, False otherwise. join(...) S.join(iterable) -> str   Return a string which is the concatenation of the strings in the iterable.  The separator between elements is S. ljust(...) S.ljust(width[, fillchar]) -> str   Return S left-justified in a Unicode string of length width. Padding is done using the specified fill character (default is a space). lower(...) S.lower() -> str   Return a copy of the string S converted to lowercase. lstrip(...) S.lstrip([chars]) -> str   Return a copy of the string S with leading whitespace removed. If chars is given and not None, remove characters in chars instead. partition(...) S.partition(sep) -> (head, sep, tail)   Search for the separator sep in S, and return the part before it, the separator itself, and the part after it.  If the separator is not found, return S and two empty strings. replace(...) S.replace(old, new[, count]) -> str   Return a copy of S with all occurrences of substring old replaced by new.  If the optional argument count is given, only the first count occurrences are replaced. rfind(...) S.rfind(sub[, start[, end]]) -> int   Return the highest index in S where substring sub is found, such that sub is contained within S[start:end].  Optional arguments start and end are interpreted as in slice notation.   Return -1 on failure. rindex(...) S.rindex(sub[, start[, end]]) -> int   Return the highest index in S where substring sub is found, such that sub is contained within S[start:end].  Optional arguments start and end are interpreted as in slice notation.   Raises ValueError when the substring is not found. rjust(...) S.rjust(width[, fillchar]) -> str   Return S right-justified in a string of length width. Padding is done using the specified fill character (default is a space). rpartition(...) S.rpartition(sep) -> (head, sep, tail)   Search for the separator sep in S, starting at the end of S, and return the part before it, the separator itself, and the part after it.  If the separator is not found, return two empty strings and S. rsplit(...) S.rsplit(sep=None, maxsplit=-1) -> list of strings   Return a list of the words in S, using sep as the delimiter string, starting at the end of the string and working to the front.  If maxsplit is given, at most maxsplit splits are done. If sep is not specified, any whitespace string is a separator. rstrip(...) S.rstrip([chars]) -> str   Return a copy of the string S with trailing whitespace removed. If chars is given and not None, remove characters in chars instead. split(...) S.split(sep=None, maxsplit=-1) -> list of strings   Return a list of the words in S, using sep as the delimiter string.  If maxsplit is given, at most maxsplit splits are done. If sep is not specified or is None, any whitespace string is a separator and empty strings are removed from the result. splitlines(...) S.splitlines([keepends]) -> list of strings   Return a list of the lines in S, breaking at line boundaries. Line breaks are not included in the resulting list unless keepends is given and true. startswith(...) S.startswith(prefix[, start[, end]]) -> bool   Return True if S starts with the specified prefix, False otherwise. With optional start, test S beginning at that position. With optional end, stop comparing S at that position. prefix can also be a tuple of strings to try. strip(...) S.strip([chars]) -> str   Return a copy of the string S with leading and trailing whitespace removed. If chars is given and not None, remove characters in chars instead. swapcase(...) S.swapcase() -> str   Return a copy of S with uppercase characters converted to lowercase and vice versa. title(...) S.title() -> str   Return a titlecased version of S, i.e. words start with title case characters, all remaining cased characters have lower case. translate(...) S.translate(table) -> str   Return a copy of the string S in which each character has been mapped through the given translation table. The table must implement lookup/indexing via __getitem__, for instance a dictionary or list, mapping Unicode ordinals to Unicode ordinals, strings, or None. If this operation raises LookupError, the character is left untouched. Characters mapped to None are deleted. upper(...) S.upper() -> str   Return a copy of S converted to uppercase. zfill(...) S.zfill(width) -> str   Pad a numeric string S with zeros on the left, to fill a field of the specified width. The string S is never truncated. Static methods inherited from builtins.str: maketrans(x, y=None, z=None, /) Return a translation table usable for str.translate().   If there is only one argument, it must be a dictionary mapping Unicode ordinals (integers) or characters to Unicode ordinals, strings or None. Character keys will be then converted to ordinals. If there are two arguments, they must be strings of equal length, and in the resulting dictionary, each character in x will be mapped to the character at the same position in y. If there is a third argument, it must be a string, whose characters will be mapped to None in the result. Methods inherited from generic: __abs__(self, /) abs(self) __and__(self, value, /) Return self&value. __array__(...) sc.__array__(dtype) return 0-dim array from scalar with specified dtype __array_wrap__(...) sc.__array_wrap__(obj) return scalar from array __bool__(self, /) self != 0 __copy__(...) __deepcopy__(...) __divmod__(self, value, /) Return divmod(self, value). __float__(self, /) float(self) __floordiv__(self, value, /) Return self//value. __int__(self, /) int(self) __invert__(self, /) ~self __lshift__(self, value, /) Return self<<value. __neg__(self, /) -self __or__(self, value, /) Return self|value. __pos__(self, /) +self __pow__(self, value, mod=None, /) Return pow(self, value, mod). __radd__(self, value, /) Return value+self. __rand__(self, value, /) Return value&self. __rdivmod__(self, value, /) Return divmod(value, self). __reduce__(...) helper for pickle __rfloordiv__(self, value, /) Return value//self. __rlshift__(self, value, /) Return value<<self. __ror__(self, value, /) Return value|self. __round__(...) __rpow__(self, value, mod=None, /) Return pow(value, self, mod). __rrshift__(self, value, /) Return value>>self. __rshift__(self, value, /) Return self>>value. __rsub__(self, value, /) Return value-self. __rtruediv__(self, value, /) Return value/self. __rxor__(self, value, /) Return value^self. __setstate__(...) __sub__(self, value, /) Return self-value. __truediv__(self, value, /) Return self/value. __xor__(self, value, /) Return self^value. all(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. any(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmax(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmin(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argsort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. astype(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. byteswap(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. choose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. clip(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. compress(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. conj(...) conjugate(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. copy(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumprod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumsum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. diagonal(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dump(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dumps(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. fill(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. flatten(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. getfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. item(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. itemset(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. max(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. mean(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. min(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. newbyteorder(...) newbyteorder(new_order='S')   Return a new `dtype` with a different byte order.   Changes are also made in all fields and sub-arrays of the data type.   The `new_order` code can be any from the following:   * 'S' - swap dtype from current to opposite endian * {'<', 'L'} - little endian * {'>', 'B'} - big endian * {'=', 'N'} - native order * {'|', 'I'} - ignore (no change to byte order)   Parameters ---------- new_order : str, optional     Byte order to force; a value from the byte order specifications     above.  The default value ('S') results in swapping the current     byte order. The code does a case-insensitive check on the first     letter of `new_order` for the alternatives above.  For example,     any of 'B' or 'b' or 'biggish' are valid to specify big-endian.     Returns ------- new_dtype : dtype     New `dtype` object with the given change to the byte order. nonzero(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. prod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ptp(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. put(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ravel(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. repeat(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. reshape(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. resize(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. round(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. searchsorted(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setflags(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. squeeze(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. std(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. swapaxes(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. take(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tobytes(...) tofile(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tolist(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tostring(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. trace(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. transpose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. var(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. view(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. Data descriptors inherited from generic: T transpose __array_interface__ Array protocol: Python side __array_priority__ Array priority. __array_struct__ Array protocol: struct base base object data pointer to start of data dtype get array data-descriptor flags integer value of flags flat a 1-d view of scalar imag imaginary part of scalar itemsize length of one element in bytes nbytes length of item in bytes ndim number of array dimensions real real part of scalar shape tuple of array dimensions size number of elements in the gentype strides tuple of bytes steps in each dimension   string_ = class bytes_(builtins.bytes, character)     bytes(iterable_of_ints) -> bytes bytes(string, encoding[, errors]) -> bytes bytes(bytes_or_buffer) -> immutable copy of bytes_or_buffer bytes(int) -> bytes object of size given by the parameter initialized with null bytes bytes() -> empty bytes object   Construct an immutable array of bytes from:   - an iterable yielding integers in range(256)   - a text string encoded using the specified encoding   - any object implementing the buffer API.   - an integer     Method resolution order: bytes_ builtins.bytes character flexible generic builtins.object Methods defined here: __eq__(self, value, /) Return self==value. __ge__(self, value, /) Return self>=value. __gt__(self, value, /) Return self>value. __hash__(self, /) Return hash(self). __le__(self, value, /) Return self<=value. __lt__(self, value, /) Return self<value. __ne__(self, value, /) Return self!=value. __new__(*args, **kwargs) from builtins.type Create and return a new object.  See help(type) for accurate signature. __repr__(self, /) Return repr(self). __str__(self, /) Return str(self). Methods inherited from builtins.bytes: __add__(self, value, /) Return self+value. __contains__(self, key, /) Return key in self. __getattribute__(self, name, /) Return getattr(self, name). __getitem__(self, key, /) Return self[key]. __getnewargs__(...) __iter__(self, /) Implement iter(self). __len__(self, /) Return len(self). __mod__(self, value, /) Return self%value. __mul__(self, value, /) Return self*value.n __rmod__(self, value, /) Return value%self. __rmul__(self, value, /) Return self*value. capitalize(...) B.capitalize() -> copy of B   Return a copy of B with only its first character capitalized (ASCII) and the rest lower-cased. center(...) B.center(width[, fillchar]) -> copy of B   Return B centered in a string of length width.  Padding is done using the specified fill character (default is a space). count(...) B.count(sub[, start[, end]]) -> int   Return the number of non-overlapping occurrences of subsection sub in bytes B[start:end].  Optional arguments start and end are interpreted as in slice notation. decode(self, /, encoding='utf-8', errors='strict') Decode the bytes using the codec registered for encoding.   encoding   The encoding with which to decode the bytes. errors   The error handling scheme to use for the handling of decoding errors.   The default is 'strict' meaning that decoding errors raise a   UnicodeDecodeError. Other possible values are 'ignore' and 'replace'   as well as any other name registered with codecs.register_error that   can handle UnicodeDecodeErrors. endswith(...) B.endswith(suffix[, start[, end]]) -> bool   Return True if B ends with the specified suffix, False otherwise. With optional start, test B beginning at that position. With optional end, stop comparing B at that position. suffix can also be a tuple of bytes to try. expandtabs(...) B.expandtabs(tabsize=8) -> copy of B   Return a copy of B where all tab characters are expanded using spaces. If tabsize is not given, a tab size of 8 characters is assumed. find(...) B.find(sub[, start[, end]]) -> int   Return the lowest index in B where subsection sub is found, such that sub is contained within B[start,end].  Optional arguments start and end are interpreted as in slice notation.   Return -1 on failure. fromhex(string, /) from builtins.type Create a bytes object from a string of hexadecimal numbers.   Spaces between two numbers are accepted. Example: bytes.fromhex('B9 01EF') -> b'\\xb9\\x01\\xef'. hex(...) B.hex() -> string   Create a string of hexadecimal numbers from a bytes object. Example: b'\xb9\x01\xef'.hex() -> 'b901ef'. index(...) B.index(sub[, start[, end]]) -> int   Return the lowest index in B where subsection sub is found, such that sub is contained within B[start,end].  Optional arguments start and end are interpreted as in slice notation.   Raises ValueError when the subsection is not found. isalnum(...) B.isalnum() -> bool   Return True if all characters in B are alphanumeric and there is at least one character in B, False otherwise. isalpha(...) B.isalpha() -> bool   Return True if all characters in B are alphabetic and there is at least one character in B, False otherwise. isdigit(...) B.isdigit() -> bool   Return True if all characters in B are digits and there is at least one character in B, False otherwise. islower(...) B.islower() -> bool   Return True if all cased characters in B are lowercase and there is at least one cased character in B, False otherwise. isspace(...) B.isspace() -> bool   Return True if all characters in B are whitespace and there is at least one character in B, False otherwise. istitle(...) B.istitle() -> bool   Return True if B is a titlecased string and there is at least one character in B, i.e. uppercase characters may only follow uncased characters and lowercase characters only cased ones. Return False otherwise. isupper(...) B.isupper() -> bool   Return True if all cased characters in B are uppercase and there is at least one cased character in B, False otherwise. join(self, iterable_of_bytes, /) Concatenate any number of bytes objects.   The bytes whose method is called is inserted in between each pair.   The result is returned as a new bytes object.   Example: b'.'.join([b'ab', b'pq', b'rs']) -> b'ab.pq.rs'. ljust(...) B.ljust(width[, fillchar]) -> copy of B   Return B left justified in a string of length width. Padding is done using the specified fill character (default is a space). lower(...) B.lower() -> copy of B   Return a copy of B with all ASCII characters converted to lowercase. lstrip(self, bytes=None, /) Strip leading bytes contained in the argument.   If the argument is omitted or None, strip leading  ASCII whitespace. partition(self, sep, /) Partition the bytes into three parts using the given separator.   This will search for the separator sep in the bytes. If the separator is found, returns a 3-tuple containing the part before the separator, the separator itself, and the part after it.   If the separator is not found, returns a 3-tuple containing the original bytes object and two empty bytes objects. replace(self, old, new, count=-1, /) Return a copy with all occurrences of substring old replaced by new.     count     Maximum number of occurrences to replace.     -1 (the default value) means replace all occurrences.   If the optional argument count is given, only the first count occurrences are replaced. rfind(...) B.rfind(sub[, start[, end]]) -> int   Return the highest index in B where subsection sub is found, such that sub is contained within B[start,end].  Optional arguments start and end are interpreted as in slice notation.   Return -1 on failure. rindex(...) B.rindex(sub[, start[, end]]) -> int   Return the highest index in B where subsection sub is found, such that sub is contained within B[start,end].  Optional arguments start and end are interpreted as in slice notation.   Raise ValueError when the subsection is not found. rjust(...) B.rjust(width[, fillchar]) -> copy of B   Return B right justified in a string of length width. Padding is done using the specified fill character (default is a space) rpartition(self, sep, /) Partition the bytes into three parts using the given separator.   This will search for the separator sep in the bytes, starting and the end. If the separator is found, returns a 3-tuple containing the part before the separator, the separator itself, and the part after it.   If the separator is not found, returns a 3-tuple containing two empty bytes objects and the original bytes object. rsplit(self, /, sep=None, maxsplit=-1) Return a list of the sections in the bytes, using sep as the delimiter.     sep     The delimiter according which to split the bytes.     None (the default value) means split on ASCII whitespace characters     (space, tab, return, newline, formfeed, vertical tab).   maxsplit     Maximum number of splits to do.     -1 (the default value) means no limit.   Splitting is done starting at the end of the bytes and working to the front. rstrip(self, bytes=None, /) Strip trailing bytes contained in the argument.   If the argument is omitted or None, strip trailing ASCII whitespace. split(self, /, sep=None, maxsplit=-1) Return a list of the sections in the bytes, using sep as the delimiter.   sep   The delimiter according which to split the bytes.   None (the default value) means split on ASCII whitespace characters   (space, tab, return, newline, formfeed, vertical tab). maxsplit   Maximum number of splits to do.   -1 (the default value) means no limit. splitlines(self, /, keepends=False) Return a list of the lines in the bytes, breaking at line boundaries.   Line breaks are not included in the resulting list unless keepends is given and true. startswith(...) B.startswith(prefix[, start[, end]]) -> bool   Return True if B starts with the specified prefix, False otherwise. With optional start, test B beginning at that position. With optional end, stop comparing B at that position. prefix can also be a tuple of bytes to try. strip(self, bytes=None, /) Strip leading and trailing bytes contained in the argument.   If the argument is omitted or None, strip leading and trailing ASCII whitespace. swapcase(...) B.swapcase() -> copy of B   Return a copy of B with uppercase ASCII characters converted to lowercase ASCII and vice versa. title(...) B.title() -> copy of B   Return a titlecased version of B, i.e. ASCII words start with uppercase characters, all remaining cased characters have lowercase. translate(self, table, /, delete=b'') Return a copy with each character mapped by the given translation table.     table     Translation table, which must be a bytes object of length 256.   All characters occurring in the optional argument delete are removed. The remaining characters are mapped through the given translation table. upper(...) B.upper() -> copy of B   Return a copy of B with all ASCII characters converted to uppercase. zfill(...) B.zfill(width) -> copy of B   Pad a numeric string B with zeros on the left, to fill a field of the specified width.  B is never truncated. Static methods inherited from builtins.bytes: maketrans(frm, to, /) Return a translation table useable for the bytes or bytearray translate method.   The returned table will be one where each byte in frm is mapped to the byte at the same position in to.   The bytes objects frm and to must be of the same length. Methods inherited from generic: __abs__(self, /) abs(self) __and__(self, value, /) Return self&value. __array__(...) sc.__array__(dtype) return 0-dim array from scalar with specified dtype __array_wrap__(...) sc.__array_wrap__(obj) return scalar from array __bool__(self, /) self != 0 __copy__(...) __deepcopy__(...) __divmod__(self, value, /) Return divmod(self, value). __float__(self, /) float(self) __floordiv__(self, value, /) Return self//value. __format__(...) NumPy array scalar formatter __int__(self, /) int(self) __invert__(self, /) ~self __lshift__(self, value, /) Return self<<value. __neg__(self, /) -self __or__(self, value, /) Return self|value. __pos__(self, /) +self __pow__(self, value, mod=None, /) Return pow(self, value, mod). __radd__(self, value, /) Return value+self. __rand__(self, value, /) Return value&self. __rdivmod__(self, value, /) Return divmod(value, self). __reduce__(...) helper for pickle __rfloordiv__(self, value, /) Return value//self. __rlshift__(self, value, /) Return value<<self. __ror__(self, value, /) Return value|self. __round__(...) __rpow__(self, value, mod=None, /) Return pow(value, self, mod). __rrshift__(self, value, /) Return value>>self. __rshift__(self, value, /) Return self>>value. __rsub__(self, value, /) Return value-self. __rtruediv__(self, value, /) Return value/self. __rxor__(self, value, /) Return value^self. __setstate__(...) __sizeof__(...) __sizeof__() -> int size of object in memory, in bytes __sub__(self, value, /) Return self-value. __truediv__(self, value, /) Return self/value. __xor__(self, value, /) Return self^value. all(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. any(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmax(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmin(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argsort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. astype(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. byteswap(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. choose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. clip(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. compress(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. conj(...) conjugate(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. copy(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumprod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumsum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. diagonal(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dump(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dumps(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. fill(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. flatten(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. getfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. item(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. itemset(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. max(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. mean(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. min(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. newbyteorder(...) newbyteorder(new_order='S')   Return a new `dtype` with a different byte order.   Changes are also made in all fields and sub-arrays of the data type.   The `new_order` code can be any from the following:   * 'S' - swap dtype from current to opposite endian * {'<', 'L'} - little endian * {'>', 'B'} - big endian * {'=', 'N'} - native order * {'|', 'I'} - ignore (no change to byte order)   Parameters ---------- new_order : str, optional     Byte order to force; a value from the byte order specifications     above.  The default value ('S') results in swapping the current     byte order. The code does a case-insensitive check on the first     letter of `new_order` for the alternatives above.  For example,     any of 'B' or 'b' or 'biggish' are valid to specify big-endian.     Returns ------- new_dtype : dtype     New `dtype` object with the given change to the byte order. nonzero(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. prod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ptp(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. put(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ravel(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. repeat(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. reshape(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. resize(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. round(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. searchsorted(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setflags(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. squeeze(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. std(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. swapaxes(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. take(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tobytes(...) tofile(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tolist(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tostring(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. trace(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. transpose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. var(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. view(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. Data descriptors inherited from generic: T transpose __array_interface__ Array protocol: Python side __array_priority__ Array priority. __array_struct__ Array protocol: struct base base object data pointer to start of data dtype get array data-descriptor flags integer value of flags flat a 1-d view of scalar imag imaginary part of scalar itemsize length of one element in bytes nbytes length of item in bytes ndim number of array dimensions real real part of scalar shape tuple of array dimensions size number of elements in the gentype strides tuple of bytes steps in each dimension   class timedelta64(signedinteger)     Base class for numpy scalar types.   Class from which most (all?) numpy scalar types are derived.  For consistency, exposes the same API as `ndarray`, despite many consequent attributes being either "get-only," or completely irrelevant. This is the class from which it is strongly suggested users should derive custom scalar types.     Method resolution order: timedelta64 signedinteger integer number generic builtins.object Methods defined here: __eq__(self, value, /) Return self==value. __ge__(self, value, /) Return self>=value. __gt__(self, value, /) Return self>value. __hash__(self, /) Return hash(self). __le__(self, value, /) Return self<=value. __lt__(self, value, /) Return self<value. __ne__(self, value, /) Return self!=value. __new__(*args, **kwargs) from builtins.type Create and return a new object.  See help(type) for accurate signature. __repr__(self, /) Return repr(self). __str__(self, /) Return str(self). Data descriptors inherited from integer: denominator denominator of value (1) numerator numerator of value (the value itself) Methods inherited from generic: __abs__(self, /) abs(self) __add__(self, value, /) Return self+value. __and__(self, value, /) Return self&value. __array__(...) sc.__array__(dtype) return 0-dim array from scalar with specified dtype __array_wrap__(...) sc.__array_wrap__(obj) return scalar from array __bool__(self, /) self != 0 __copy__(...) __deepcopy__(...) __divmod__(self, value, /) Return divmod(self, value). __float__(self, /) float(self) __floordiv__(self, value, /) Return self//value. __format__(...) NumPy array scalar formatter __getitem__(self, key, /) Return self[key]. __int__(self, /) int(self) __invert__(self, /) ~self __lshift__(self, value, /) Return self<<value. __mod__(self, value, /) Return self%value. __mul__(self, value, /) Return self*value. __neg__(self, /) -self __or__(self, value, /) Return self|value. __pos__(self, /) +self __pow__(self, value, mod=None, /) Return pow(self, value, mod). __radd__(self, value, /) Return value+self. __rand__(self, value, /) Return value&self. __rdivmod__(self, value, /) Return divmod(value, self). __reduce__(...) helper for pickle __rfloordiv__(self, value, /) Return value//self. __rlshift__(self, value, /) Return value<<self. __rmod__(self, value, /) Return value%self. __rmul__(self, value, /) Return value*self. __ror__(self, value, /) Return value|self. __round__(...) __rpow__(self, value, mod=None, /) Return pow(value, self, mod). __rrshift__(self, value, /) Return value>>self. __rshift__(self, value, /) Return self>>value. __rsub__(self, value, /) Return value-self. __rtruediv__(self, value, /) Return value/self. __rxor__(self, value, /) Return value^self. __setstate__(...) __sizeof__(...) __sizeof__() -> int size of object in memory, in bytes __sub__(self, value, /) Return self-value. __truediv__(self, value, /) Return self/value. __xor__(self, value, /) Return self^value. all(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. any(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmax(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmin(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argsort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. astype(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. byteswap(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. choose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. clip(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. compress(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. conj(...) conjugate(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. copy(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumprod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumsum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. diagonal(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dump(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dumps(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. fill(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. flatten(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. getfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. item(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. itemset(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. max(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. mean(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. min(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. newbyteorder(...) newbyteorder(new_order='S')   Return a new `dtype` with a different byte order.   Changes are also made in all fields and sub-arrays of the data type.   The `new_order` code can be any from the following:   * 'S' - swap dtype from current to opposite endian * {'<', 'L'} - little endian * {'>', 'B'} - big endian * {'=', 'N'} - native order * {'|', 'I'} - ignore (no change to byte order)   Parameters ---------- new_order : str, optional     Byte order to force; a value from the byte order specifications     above.  The default value ('S') results in swapping the current     byte order. The code does a case-insensitive check on the first     letter of `new_order` for the alternatives above.  For example,     any of 'B' or 'b' or 'biggish' are valid to specify big-endian.     Returns ------- new_dtype : dtype     New `dtype` object with the given change to the byte order. nonzero(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. prod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ptp(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. put(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ravel(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. repeat(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. reshape(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. resize(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. round(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. searchsorted(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setflags(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. squeeze(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. std(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. swapaxes(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. take(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tobytes(...) tofile(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tolist(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tostring(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. trace(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. transpose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. var(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. view(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. Data descriptors inherited from generic: T transpose __array_interface__ Array protocol: Python side __array_priority__ Array priority. __array_struct__ Array protocol: struct base base object data pointer to start of data dtype get array data-descriptor flags integer value of flags flat a 1-d view of scalar imag imaginary part of scalar itemsize length of one element in bytes nbytes length of item in bytes ndim number of array dimensions real real part of scalar shape tuple of array dimensions size number of elements in the gentype strides tuple of bytes steps in each dimension   ubyte = class uint8(unsignedinteger)     Base class for numpy scalar types.   Class from which most (all?) numpy scalar types are derived.  For consistency, exposes the same API as `ndarray`, despite many consequent attributes being either "get-only," or completely irrelevant. This is the class from which it is strongly suggested users should derive custom scalar types.     Method resolution order: uint8 unsignedinteger integer number generic builtins.object Methods defined here: __abs__(self, /) abs(self) __add__(self, value, /) Return self+value. __and__(self, value, /) Return self&value. __bool__(self, /) self != 0 __divmod__(self, value, /) Return divmod(self, value). __eq__(self, value, /) Return self==value. __float__(self, /) float(self) __floordiv__(self, value, /) Return self//value. __ge__(self, value, /) Return self>=value. __gt__(self, value, /) Return self>value. __hash__(self, /) Return hash(self). __index__(self, /) Return self converted to an integer, if self is suitable for use as an index into a list. __int__(self, /) int(self) __invert__(self, /) ~self __le__(self, value, /) Return self<=value. __lshift__(self, value, /) Return self<<value. __lt__(self, value, /) Return self<value. __mod__(self, value, /) Return self%value. __mul__(self, value, /) Return self*value. __ne__(self, value, /) Return self!=value. __neg__(self, /) -self __new__(*args, **kwargs) from builtins.type Create and return a new object.  See help(type) for accurate signature. __or__(self, value, /) Return self|value. __pos__(self, /) +self __pow__(self, value, mod=None, /) Return pow(self, value, mod). __radd__(self, value, /) Return value+self. __rand__(self, value, /) Return value&self. __rdivmod__(self, value, /) Return divmod(value, self). __repr__(self, /) Return repr(self). __rfloordiv__(self, value, /) Return value//self. __rlshift__(self, value, /) Return value<<self. __rmod__(self, value, /) Return value%self. __rmul__(self, value, /) Return value*self. __ror__(self, value, /) Return value|self. __rpow__(self, value, mod=None, /) Return pow(value, self, mod). __rrshift__(self, value, /) Return value>>self. __rshift__(self, value, /) Return self>>value. __rsub__(self, value, /) Return value-self. __rtruediv__(self, value, /) Return value/self. __rxor__(self, value, /) Return value^self. __str__(self, /) Return str(self). __sub__(self, value, /) Return self-value. __truediv__(self, value, /) Return self/value. __xor__(self, value, /) Return self^value. Data descriptors inherited from integer: denominator denominator of value (1) numerator numerator of value (the value itself) Methods inherited from generic: __array__(...) sc.__array__(dtype) return 0-dim array from scalar with specified dtype __array_wrap__(...) sc.__array_wrap__(obj) return scalar from array __copy__(...) __deepcopy__(...) __format__(...) NumPy array scalar formatter __getitem__(self, key, /) Return self[key]. __reduce__(...) helper for pickle __round__(...) __setstate__(...) __sizeof__(...) __sizeof__() -> int size of object in memory, in bytes all(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. any(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmax(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmin(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argsort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. astype(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. byteswap(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. choose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. clip(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. compress(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. conj(...) conjugate(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. copy(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumprod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumsum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. diagonal(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dump(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dumps(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. fill(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. flatten(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. getfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. item(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. itemset(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. max(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. mean(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. min(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. newbyteorder(...) newbyteorder(new_order='S')   Return a new `dtype` with a different byte order.   Changes are also made in all fields and sub-arrays of the data type.   The `new_order` code can be any from the following:   * 'S' - swap dtype from current to opposite endian * {'<', 'L'} - little endian * {'>', 'B'} - big endian * {'=', 'N'} - native order * {'|', 'I'} - ignore (no change to byte order)   Parameters ---------- new_order : str, optional     Byte order to force; a value from the byte order specifications     above.  The default value ('S') results in swapping the current     byte order. The code does a case-insensitive check on the first     letter of `new_order` for the alternatives above.  For example,     any of 'B' or 'b' or 'biggish' are valid to specify big-endian.     Returns ------- new_dtype : dtype     New `dtype` object with the given change to the byte order. nonzero(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. prod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ptp(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. put(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ravel(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. repeat(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. reshape(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. resize(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. round(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. searchsorted(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setflags(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. squeeze(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. std(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. swapaxes(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. take(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tobytes(...) tofile(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tolist(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tostring(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. trace(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. transpose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. var(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. view(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. Data descriptors inherited from generic: T transpose __array_interface__ Array protocol: Python side __array_priority__ Array priority. __array_struct__ Array protocol: struct base base object data pointer to start of data dtype get array data-descriptor flags integer value of flags flat a 1-d view of scalar imag imaginary part of scalar itemsize length of one element in bytes nbytes length of item in bytes ndim number of array dimensions real real part of scalar shape tuple of array dimensions size number of elements in the gentype strides tuple of bytes steps in each dimension   class ufunc(builtins.object)     Functions that operate element by element on whole arrays.   To see the documentation for a specific ufunc, use `info`.  For example, ``np.info(np.sin)``.  Because ufuncs are written in C (for speed) and linked into Python with NumPy's ufunc facility, Python's help() function finds this page whenever help() is called on a ufunc.   A detailed explanation of ufuncs can be found in the docs for :ref:`ufuncs`.   Calling ufuncs: ===============   op(*x[, out], where=True, **kwargs) Apply `op` to the arguments `*x` elementwise, broadcasting the arguments.   The broadcasting rules are:   * Dimensions of length 1 may be prepended to either array. * Arrays may be repeated along dimensions of length 1.   Parameters ---------- *x : array_like     Input arrays. out : ndarray, None, or tuple of ndarray and None, optional     Alternate array object(s) in which to put the result; if provided, it     must have a shape that the inputs broadcast to. A tuple of arrays     (possible only as a keyword argument) must have length equal to the     number of outputs; use `None` for uninitialized outputs to be     allocated by the ufunc. where : array_like, optional     Values of True indicate to calculate the ufunc at that position, values     of False indicate to leave the value in the output alone.  Note that if     an uninitialized return array is created via the default ``out=None``,     then the elements where the values are False will remain uninitialized. **kwargs     For other keyword-only arguments, see the :ref:`ufunc docs <ufuncs.kwargs>`.   Returns ------- r : ndarray or tuple of ndarray     `r` will have the shape that the arrays in `x` broadcast to; if `out` is     provided, it will be returned. If not, `r` will be allocated and     may contain uninitialized values. If the function has more than one     output, then the result will be a tuple of arrays.     Methods defined here: __call__(self, /, *args, **kwargs) Call self as a function. __repr__(self, /) Return repr(self). __str__(self, /) Return str(self). accumulate(...) accumulate(array, axis=0, dtype=None, out=None)   Accumulate the result of applying the operator to all elements.   For a one-dimensional array, accumulate produces results equivalent to::     r = np.empty(len(A))   t = op.identity        # op = the ufunc being applied to A's  elements   for i in range(len(A)):       t = op(t, A[i])       r[i] = t   return r   For example, add.accumulate() is equivalent to np.cumsum().   For a multi-dimensional array, accumulate is applied along only one axis (axis zero by default; see Examples below) so repeated use is necessary if one wants to accumulate over multiple axes.   Parameters ---------- array : array_like     The array to act on. axis : int, optional     The axis along which to apply the accumulation; default is zero. dtype : data-type code, optional     The data-type used to represent the intermediate results. Defaults     to the data-type of the output array if such is provided, or the     the data-type of the input array if no output array is provided. out : ndarray, None, or tuple of ndarray and None, optional     A location into which the result is stored. If not provided or `None`,     a freshly-allocated array is returned. For consistency with     :ref:`ufunc.__call__`, if given as a keyword, this may be wrapped in a     1-element tuple.       .. versionchanged:: 1.13.0        Tuples are allowed for keyword argument.   Returns ------- r : ndarray     The accumulated values. If `out` was supplied, `r` is a reference to     `out`.   Examples -------- 1-D array examples:   >>> np.add.accumulate([2, 3, 5]) array([ 2,  5, 10]) >>> np.multiply.accumulate([2, 3, 5]) array([ 2,  6, 30])   2-D array examples:   >>> I = np.eye(2) >>> I array([[ 1.,  0.],        [ 0.,  1.]])   Accumulate along axis 0 (rows), down columns:   >>> np.add.accumulate(I, 0) array([[ 1.,  0.],        [ 1.,  1.]]) >>> np.add.accumulate(I) # no axis specified = axis zero array([[ 1.,  0.],        [ 1.,  1.]])   Accumulate along axis 1 (columns), through rows:   >>> np.add.accumulate(I, 1) array([[ 1.,  1.],        [ 0.,  1.]]) at(...) at(a, indices, b=None)   Performs unbuffered in place operation on operand 'a' for elements specified by 'indices'. For addition ufunc, this method is equivalent to ``a[indices] += b``, except that results are accumulated for elements that are indexed more than once. For example, ``a[[0,0]] += 1`` will only increment the first element once because of buffering, whereas ``add.at(a, [0,0], 1)`` will increment the first element twice.   .. versionadded:: 1.8.0   Parameters ---------- a : array_like     The array to perform in place operation on. indices : array_like or tuple     Array like index object or slice object for indexing into first     operand. If first operand has multiple dimensions, indices can be a     tuple of array like index objects or slice objects. b : array_like     Second operand for ufuncs requiring two operands. Operand must be     broadcastable over first operand after indexing or slicing.   Examples -------- Set items 0 and 1 to their negative values:   >>> a = np.array([1, 2, 3, 4]) >>> np.negative.at(a, [0, 1]) >>> print(a) array([-1, -2, 3, 4])   Increment items 0 and 1, and increment item 2 twice:   >>> a = np.array([1, 2, 3, 4]) >>> np.add.at(a, [0, 1, 2, 2], 1) >>> print(a) array([2, 3, 5, 4])   Add items 0 and 1 in first array to second array, and store results in first array:   >>> a = np.array([1, 2, 3, 4]) >>> b = np.array([1, 2]) >>> np.add.at(a, [0, 1], b) >>> print(a) array([2, 4, 3, 4]) outer(...) outer(A, B, **kwargs)   Apply the ufunc `op` to all pairs (a, b) with a in `A` and b in `B`.   Let ``M = A.ndim``, ``N = B.ndim``. Then the result, `C`, of ``op.outer(A, B)`` is an array of dimension M + N such that:   .. math:: C[i_0, ..., i_{M-1}, j_0, ..., j_{N-1}] =    op(A[i_0, ..., i_{M-1}], B[j_0, ..., j_{N-1}])   For `A` and `B` one-dimensional, this is equivalent to::     r = empty(len(A),len(B))   for i in range(len(A)):       for j in range(len(B)):           r[i,j] = op(A[i], B[j]) # op = ufunc in question   Parameters ---------- A : array_like     First array B : array_like     Second array kwargs : any     Arguments to pass on to the ufunc. Typically `dtype` or `out`.   Returns ------- r : ndarray     Output array   See Also -------- numpy.outer   Examples -------- >>> np.multiply.outer([1, 2, 3], [4, 5, 6]) array([[ 4,  5,  6],        [ 8, 10, 12],        [12, 15, 18]])   A multi-dimensional example:   >>> A = np.array([[1, 2, 3], [4, 5, 6]]) >>> A.shape (2, 3) >>> B = np.array([[1, 2, 3, 4]]) >>> B.shape (1, 4) >>> C = np.multiply.outer(A, B) >>> C.shape; C (2, 3, 1, 4) array([[[[ 1,  2,  3,  4]],         [[ 2,  4,  6,  8]],         [[ 3,  6,  9, 12]]],        [[[ 4,  8, 12, 16]],         [[ 5, 10, 15, 20]],         [[ 6, 12, 18, 24]]]]) reduce(...) reduce(a, axis=0, dtype=None, out=None, keepdims=False, initial)   Reduces `a`'s dimension by one, by applying ufunc along one axis.   Let :math:`a.shape = (N_0, ..., N_i, ..., N_{M-1})`.  Then :math:`ufunc.reduce(a, axis=i)[k_0, ..,k_{i-1}, k_{i+1}, .., k_{M-1}]` = the result of iterating `j` over :math:`range(N_i)`, cumulatively applying ufunc to each :math:`a[k_0, ..,k_{i-1}, j, k_{i+1}, .., k_{M-1}]`. For a one-dimensional array, reduce produces results equivalent to: ::    r = op.identity # op = ufunc  for i in range(len(A)):    r = op(r, A[i])  return r   For example, add.reduce() is equivalent to sum().   Parameters ---------- a : array_like     The array to act on. axis : None or int or tuple of ints, optional     Axis or axes along which a reduction is performed.     The default (`axis` = 0) is perform a reduction over the first     dimension of the input array. `axis` may be negative, in     which case it counts from the last to the first axis.       .. versionadded:: 1.7.0       If this is `None`, a reduction is performed over all the axes.     If this is a tuple of ints, a reduction is performed on multiple     axes, instead of a single axis or all the axes as before.       For operations which are either not commutative or not associative,     doing a reduction over multiple axes is not well-defined. The     ufuncs do not currently raise an exception in this case, but will     likely do so in the future. dtype : data-type code, optional     The type used to represent the intermediate results. Defaults     to the data-type of the output array if this is provided, or     the data-type of the input array if no output array is provided. out : ndarray, None, or tuple of ndarray and None, optional     A location into which the result is stored. If not provided or `None`,     a freshly-allocated array is returned. For consistency with     :ref:`ufunc.__call__`, if given as a keyword, this may be wrapped in a     1-element tuple.       .. versionchanged:: 1.13.0        Tuples are allowed for keyword argument. keepdims : bool, optional     If this is set to True, the axes which are reduced are left     in the result as dimensions with size one. With this option,     the result will broadcast correctly against the original `arr`.       .. versionadded:: 1.7.0 initial : scalar, optional     The value with which to start the reduction.     If the ufunc has no identity or the dtype is object, this defaults     to None - otherwise it defaults to ufunc.identity.     If ``None`` is given, the first element of the reduction is used,     and an error is thrown if the reduction is empty.          .. versionadded:: 1.15.0   Returns ------- r : ndarray     The reduced array. If `out` was supplied, `r` is a reference to it.   Examples -------- >>> np.multiply.reduce([2,3,5]) 30   A multi-dimensional array example:   >>> X = np.arange(8).reshape((2,2,2)) >>> X array([[[0, 1],         [2, 3]],        [[4, 5],         [6, 7]]]) >>> np.add.reduce(X, 0) array([[ 4,  6],        [ 8, 10]]) >>> np.add.reduce(X) # confirm: default axis value is 0 array([[ 4,  6],        [ 8, 10]]) >>> np.add.reduce(X, 1) array([[ 2,  4],        [10, 12]]) >>> np.add.reduce(X, 2) array([[ 1,  5],        [ 9, 13]])         You can use the ``initial`` keyword argument to initialize the reduction with a different value.   >>> np.add.reduce([10], initial=5) 15 >>> np.add.reduce(np.ones((2, 2, 2)), axis=(0, 2), initializer=10) array([14., 14.])   Allows reductions of empty arrays where they would normally fail, i.e. for ufuncs without an identity.   >>> np.minimum.reduce([], initial=np.inf) inf >>> np.minimum.reduce([]) Traceback (most recent call last):     ... ValueError: zero-size array to reduction operation minimum which has no identity reduceat(...) reduceat(a, indices, axis=0, dtype=None, out=None)   Performs a (local) reduce with specified slices over a single axis.   For i in ``range(len(indices))``, `reduceat` computes ``ufunc.reduce(a[indices[i]:indices[i+1]])``, which becomes the i-th generalized "row" parallel to `axis` in the final result (i.e., in a 2-D array, for example, if `axis = 0`, it becomes the i-th row, but if `axis = 1`, it becomes the i-th column).  There are three exceptions to this:   * when ``i = len(indices) - 1`` (so for the last index),   ``indices[i+1] = a.shape[axis]``. * if ``indices[i] >= indices[i + 1]``, the i-th generalized "row" is   simply ``a[indices[i]]``. * if ``indices[i] >= len(a)`` or ``indices[i] < 0``, an error is raised.   The shape of the output depends on the size of `indices`, and may be larger than `a` (this happens if ``len(indices) > a.shape[axis]``).   Parameters ---------- a : array_like     The array to act on. indices : array_like     Paired indices, comma separated (not colon), specifying slices to     reduce. axis : int, optional     The axis along which to apply the reduceat. dtype : data-type code, optional     The type used to represent the intermediate results. Defaults     to the data type of the output array if this is provided, or     the data type of the input array if no output array is provided. out : ndarray, None, or tuple of ndarray and None, optional     A location into which the result is stored. If not provided or `None`,     a freshly-allocated array is returned. For consistency with     :ref:`ufunc.__call__`, if given as a keyword, this may be wrapped in a     1-element tuple.       .. versionchanged:: 1.13.0        Tuples are allowed for keyword argument.   Returns ------- r : ndarray     The reduced values. If `out` was supplied, `r` is a reference to     `out`.   Notes ----- A descriptive example:   If `a` is 1-D, the function `ufunc.accumulate(a)` is the same as ``ufunc.reduceat(a, indices)[::2]`` where `indices` is ``range(len(array) - 1)`` with a zero placed in every other element: ``indices = zeros(2 * len(a) - 1)``, ``indices[1::2] = range(1, len(a))``.   Don't be fooled by this attribute's name: `reduceat(a)` is not necessarily smaller than `a`.   Examples -------- To take the running sum of four successive values:   >>> np.add.reduceat(np.arange(8),[0,4, 1,5, 2,6, 3,7])[::2] array([ 6, 10, 14, 18])   A 2-D example:   >>> x = np.linspace(0, 15, 16).reshape(4,4) >>> x array([[  0.,   1.,   2.,   3.],        [  4.,   5.,   6.,   7.],        [  8.,   9.,  10.,  11.],        [ 12.,  13.,  14.,  15.]])   ::    # reduce such that the result has the following five rows:  # [row1 + row2 + row3]  # [row4]  # [row2]  # [row3]  # [row1 + row2 + row3 + row4]   >>> np.add.reduceat(x, [0, 3, 1, 2, 0]) array([[ 12.,  15.,  18.,  21.],        [ 12.,  13.,  14.,  15.],        [  4.,   5.,   6.,   7.],        [  8.,   9.,  10.,  11.],        [ 24.,  28.,  32.,  36.]])   ::    # reduce such that result has the following two columns:  # [col1 * col2 * col3, col4]   >>> np.multiply.reduceat(x, [0, 3], 1) array([[    0.,     3.],        [  120.,     7.],        [  720.,    11.],        [ 2184.,    15.]]) Data descriptors defined here: identity The identity value.   Data attribute containing the identity element for the ufunc, if it has one. If it does not, the attribute value is None.   Examples -------- >>> np.add.identity 0 >>> np.multiply.identity 1 >>> np.power.identity 1 >>> print(np.exp.identity) None nargs The number of arguments.   Data attribute containing the number of arguments the ufunc takes, including optional ones.   Notes ----- Typically this value will be one more than what you might expect because all ufuncs take  the optional "out" argument.   Examples -------- >>> np.add.nargs 3 >>> np.multiply.nargs 3 >>> np.power.nargs 3 >>> np.exp.nargs 2 nin The number of inputs.   Data attribute containing the number of arguments the ufunc treats as input.   Examples -------- >>> np.add.nin 2 >>> np.multiply.nin 2 >>> np.power.nin 2 >>> np.exp.nin 1 nout The number of outputs.   Data attribute containing the number of arguments the ufunc treats as output.   Notes ----- Since all ufuncs can take output arguments, this will always be (at least) 1.   Examples -------- >>> np.add.nout 1 >>> np.multiply.nout 1 >>> np.power.nout 1 >>> np.exp.nout 1 ntypes The number of types.   The number of numerical NumPy types - of which there are 18 total - on which the ufunc can operate.   See Also -------- numpy.ufunc.types   Examples -------- >>> np.add.ntypes 18 >>> np.multiply.ntypes 18 >>> np.power.ntypes 17 >>> np.exp.ntypes 7 >>> np.remainder.ntypes 14 signature Definition of the core elements a generalized ufunc operates on.   The signature determines how the dimensions of each input/output array are split into core and loop dimensions:   1. Each dimension in the signature is matched to a dimension of the    corresponding passed-in array, starting from the end of the shape tuple. 2. Core dimensions assigned to the same label in the signature must have    exactly matching sizes, no broadcasting is performed. 3. The core dimensions are removed from all inputs and the remaining    dimensions are broadcast together, defining the loop dimensions.   Notes ----- Generalized ufuncs are used internally in many linalg functions, and in the testing suite; the examples below are taken from these. For ufuncs that operate on scalars, the signature is `None`, which is equivalent to '()' for every argument.   Examples -------- >>> np.core.umath_tests.matrix_multiply.signature '(m,n),(n,p)->(m,p)' >>> np.linalg._umath_linalg.det.signature '(m,m)->()' >>> np.add.signature is None True  # equivalent to '(),()->()' types Returns a list with types grouped input->output.   Data attribute listing the data-type "Domain-Range" groupings the ufunc can deliver. The data-types are given using the character codes.   See Also -------- numpy.ufunc.ntypes   Examples -------- >>> np.add.types ['??->?', 'bb->b', 'BB->B', 'hh->h', 'HH->H', 'ii->i', 'II->I', 'll->l', 'LL->L', 'qq->q', 'QQ->Q', 'ff->f', 'dd->d', 'gg->g', 'FF->F', 'DD->D', 'GG->G', 'OO->O']   >>> np.multiply.types ['??->?', 'bb->b', 'BB->B', 'hh->h', 'HH->H', 'ii->i', 'II->I', 'll->l', 'LL->L', 'qq->q', 'QQ->Q', 'ff->f', 'dd->d', 'gg->g', 'FF->F', 'DD->D', 'GG->G', 'OO->O']   >>> np.power.types ['bb->b', 'BB->B', 'hh->h', 'HH->H', 'ii->i', 'II->I', 'll->l', 'LL->L', 'qq->q', 'QQ->Q', 'ff->f', 'dd->d', 'gg->g', 'FF->F', 'DD->D', 'GG->G', 'OO->O']   >>> np.exp.types ['f->f', 'd->d', 'g->g', 'F->F', 'D->D', 'G->G', 'O->O']   >>> np.remainder.types ['bb->b', 'BB->B', 'hh->h', 'HH->H', 'ii->i', 'II->I', 'll->l', 'LL->L', 'qq->q', 'QQ->Q', 'ff->f', 'dd->d', 'gg->g', 'OO->O']   uint = class uint32(unsignedinteger)     Base class for numpy scalar types.   Class from which most (all?) numpy scalar types are derived.  For consistency, exposes the same API as `ndarray`, despite many consequent attributes being either "get-only," or completely irrelevant. This is the class from which it is strongly suggested users should derive custom scalar types.     Method resolution order: uint32 unsignedinteger integer number generic builtins.object Methods defined here: __abs__(self, /) abs(self) __add__(self, value, /) Return self+value. __and__(self, value, /) Return self&value. __bool__(self, /) self != 0 __divmod__(self, value, /) Return divmod(self, value). __eq__(self, value, /) Return self==value. __float__(self, /) float(self) __floordiv__(self, value, /) Return self//value. __ge__(self, value, /) Return self>=value. __gt__(self, value, /) Return self>value. __hash__(self, /) Return hash(self). __index__(self, /) Return self converted to an integer, if self is suitable for use as an index into a list. __int__(self, /) int(self) __invert__(self, /) ~self __le__(self, value, /) Return self<=value. __lshift__(self, value, /) Return self<<value. __lt__(self, value, /) Return self<value. __mod__(self, value, /) Return self%value. __mul__(self, value, /) Return self*value. __ne__(self, value, /) Return self!=value. __neg__(self, /) -self __new__(*args, **kwargs) from builtins.type Create and return a new object.  See help(type) for accurate signature. __or__(self, value, /) Return self|value. __pos__(self, /) +self __pow__(self, value, mod=None, /) Return pow(self, value, mod). __radd__(self, value, /) Return value+self. __rand__(self, value, /) Return value&self. __rdivmod__(self, value, /) Return divmod(value, self). __repr__(self, /) Return repr(self). __rfloordiv__(self, value, /) Return value//self. __rlshift__(self, value, /) Return value<<self. __rmod__(self, value, /) Return value%self. __rmul__(self, value, /) Return value*self. __ror__(self, value, /) Return value|self. __rpow__(self, value, mod=None, /) Return pow(value, self, mod). __rrshift__(self, value, /) Return value>>self. __rshift__(self, value, /) Return self>>value. __rsub__(self, value, /) Return value-self. __rtruediv__(self, value, /) Return value/self. __rxor__(self, value, /) Return value^self. __str__(self, /) Return str(self). __sub__(self, value, /) Return self-value. __truediv__(self, value, /) Return self/value. __xor__(self, value, /) Return self^value. Data descriptors inherited from integer: denominator denominator of value (1) numerator numerator of value (the value itself) Methods inherited from generic: __array__(...) sc.__array__(dtype) return 0-dim array from scalar with specified dtype __array_wrap__(...) sc.__array_wrap__(obj) return scalar from array __copy__(...) __deepcopy__(...) __format__(...) NumPy array scalar formatter __getitem__(self, key, /) Return self[key]. __reduce__(...) helper for pickle __round__(...) __setstate__(...) __sizeof__(...) __sizeof__() -> int size of object in memory, in bytes all(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. any(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmax(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmin(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argsort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. astype(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. byteswap(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. choose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. clip(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. compress(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. conj(...) conjugate(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. copy(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumprod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumsum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. diagonal(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dump(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dumps(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. fill(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. flatten(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. getfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. item(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. itemset(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. max(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. mean(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. min(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. newbyteorder(...) newbyteorder(new_order='S')   Return a new `dtype` with a different byte order.   Changes are also made in all fields and sub-arrays of the data type.   The `new_order` code can be any from the following:   * 'S' - swap dtype from current to opposite endian * {'<', 'L'} - little endian * {'>', 'B'} - big endian * {'=', 'N'} - native order * {'|', 'I'} - ignore (no change to byte order)   Parameters ---------- new_order : str, optional     Byte order to force; a value from the byte order specifications     above.  The default value ('S') results in swapping the current     byte order. The code does a case-insensitive check on the first     letter of `new_order` for the alternatives above.  For example,     any of 'B' or 'b' or 'biggish' are valid to specify big-endian.     Returns ------- new_dtype : dtype     New `dtype` object with the given change to the byte order. nonzero(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. prod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ptp(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. put(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ravel(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. repeat(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. reshape(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. resize(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. round(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. searchsorted(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setflags(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. squeeze(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. std(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. swapaxes(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. take(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tobytes(...) tofile(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tolist(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tostring(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. trace(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. transpose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. var(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. view(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. Data descriptors inherited from generic: T transpose __array_interface__ Array protocol: Python side __array_priority__ Array priority. __array_struct__ Array protocol: struct base base object data pointer to start of data dtype get array data-descriptor flags integer value of flags flat a 1-d view of scalar imag imaginary part of scalar itemsize length of one element in bytes nbytes length of item in bytes ndim number of array dimensions real real part of scalar shape tuple of array dimensions size number of elements in the gentype strides tuple of bytes steps in each dimension   uint0 = class uint64(unsignedinteger)     Base class for numpy scalar types.   Class from which most (all?) numpy scalar types are derived.  For consistency, exposes the same API as `ndarray`, despite many consequent attributes being either "get-only," or completely irrelevant. This is the class from which it is strongly suggested users should derive custom scalar types.     Method resolution order: uint64 unsignedinteger integer number generic builtins.object Methods defined here: __abs__(self, /) abs(self) __add__(self, value, /) Return self+value. __and__(self, value, /) Return self&value. __bool__(self, /) self != 0 __divmod__(self, value, /) Return divmod(self, value). __eq__(self, value, /) Return self==value. __float__(self, /) float(self) __floordiv__(self, value, /) Return self//value. __ge__(self, value, /) Return self>=value. __gt__(self, value, /) Return self>value. __hash__(self, /) Return hash(self). __index__(self, /) Return self converted to an integer, if self is suitable for use as an index into a list. __int__(self, /) int(self) __invert__(self, /) ~self __le__(self, value, /) Return self<=value. __lshift__(self, value, /) Return self<<value. __lt__(self, value, /) Return self<value. __mod__(self, value, /) Return self%value. __mul__(self, value, /) Return self*value. __ne__(self, value, /) Return self!=value. __neg__(self, /) -self __new__(*args, **kwargs) from builtins.type Create and return a new object.  See help(type) for accurate signature. __or__(self, value, /) Return self|value. __pos__(self, /) +self __pow__(self, value, mod=None, /) Return pow(self, value, mod). __radd__(self, value, /) Return value+self. __rand__(self, value, /) Return value&self. __rdivmod__(self, value, /) Return divmod(value, self). __repr__(self, /) Return repr(self). __rfloordiv__(self, value, /) Return value//self. __rlshift__(self, value, /) Return value<<self. __rmod__(self, value, /) Return value%self. __rmul__(self, value, /) Return value*self. __ror__(self, value, /) Return value|self. __rpow__(self, value, mod=None, /) Return pow(value, self, mod). __rrshift__(self, value, /) Return value>>self. __rshift__(self, value, /) Return self>>value. __rsub__(self, value, /) Return value-self. __rtruediv__(self, value, /) Return value/self. __rxor__(self, value, /) Return value^self. __str__(self, /) Return str(self). __sub__(self, value, /) Return self-value. __truediv__(self, value, /) Return self/value. __xor__(self, value, /) Return self^value. Data descriptors inherited from integer: denominator denominator of value (1) numerator numerator of value (the value itself) Methods inherited from generic: __array__(...) sc.__array__(dtype) return 0-dim array from scalar with specified dtype __array_wrap__(...) sc.__array_wrap__(obj) return scalar from array __copy__(...) __deepcopy__(...) __format__(...) NumPy array scalar formatter __getitem__(self, key, /) Return self[key]. __reduce__(...) helper for pickle __round__(...) __setstate__(...) __sizeof__(...) __sizeof__() -> int size of object in memory, in bytes all(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. any(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmax(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmin(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argsort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. astype(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. byteswap(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. choose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. clip(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. compress(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. conj(...) conjugate(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. copy(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumprod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumsum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. diagonal(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dump(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dumps(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. fill(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. flatten(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. getfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. item(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. itemset(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. max(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. mean(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. min(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. newbyteorder(...) newbyteorder(new_order='S')   Return a new `dtype` with a different byte order.   Changes are also made in all fields and sub-arrays of the data type.   The `new_order` code can be any from the following:   * 'S' - swap dtype from current to opposite endian * {'<', 'L'} - little endian * {'>', 'B'} - big endian * {'=', 'N'} - native order * {'|', 'I'} - ignore (no change to byte order)   Parameters ---------- new_order : str, optional     Byte order to force; a value from the byte order specifications     above.  The default value ('S') results in swapping the current     byte order. The code does a case-insensitive check on the first     letter of `new_order` for the alternatives above.  For example,     any of 'B' or 'b' or 'biggish' are valid to specify big-endian.     Returns ------- new_dtype : dtype     New `dtype` object with the given change to the byte order. nonzero(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. prod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ptp(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. put(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ravel(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. repeat(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. reshape(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. resize(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. round(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. searchsorted(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setflags(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. squeeze(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. std(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. swapaxes(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. take(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tobytes(...) tofile(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tolist(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tostring(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. trace(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. transpose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. var(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. view(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. Data descriptors inherited from generic: T transpose __array_interface__ Array protocol: Python side __array_priority__ Array priority. __array_struct__ Array protocol: struct base base object data pointer to start of data dtype get array data-descriptor flags integer value of flags flat a 1-d view of scalar imag imaginary part of scalar itemsize length of one element in bytes nbytes length of item in bytes ndim number of array dimensions real real part of scalar shape tuple of array dimensions size number of elements in the gentype strides tuple of bytes steps in each dimension   class uint16(unsignedinteger)     Base class for numpy scalar types.   Class from which most (all?) numpy scalar types are derived.  For consistency, exposes the same API as `ndarray`, despite many consequent attributes being either "get-only," or completely irrelevant. This is the class from which it is strongly suggested users should derive custom scalar types.     Method resolution order: uint16 unsignedinteger integer number generic builtins.object Methods defined here: __abs__(self, /) abs(self) __add__(self, value, /) Return self+value. __and__(self, value, /) Return self&value. __bool__(self, /) self != 0 __divmod__(self, value, /) Return divmod(self, value). __eq__(self, value, /) Return self==value. __float__(self, /) float(self) __floordiv__(self, value, /) Return self//value. __ge__(self, value, /) Return self>=value. __gt__(self, value, /) Return self>value. __hash__(self, /) Return hash(self). __index__(self, /) Return self converted to an integer, if self is suitable for use as an index into a list. __int__(self, /) int(self) __invert__(self, /) ~self __le__(self, value, /) Return self<=value. __lshift__(self, value, /) Return self<<value. __lt__(self, value, /) Return self<value. __mod__(self, value, /) Return self%value. __mul__(self, value, /) Return self*value. __ne__(self, value, /) Return self!=value. __neg__(self, /) -self __new__(*args, **kwargs) from builtins.type Create and return a new object.  See help(type) for accurate signature. __or__(self, value, /) Return self|value. __pos__(self, /) +self __pow__(self, value, mod=None, /) Return pow(self, value, mod). __radd__(self, value, /) Return value+self. __rand__(self, value, /) Return value&self. __rdivmod__(self, value, /) Return divmod(value, self). __repr__(self, /) Return repr(self). __rfloordiv__(self, value, /) Return value//self. __rlshift__(self, value, /) Return value<<self. __rmod__(self, value, /) Return value%self. __rmul__(self, value, /) Return value*self. __ror__(self, value, /) Return value|self. __rpow__(self, value, mod=None, /) Return pow(value, self, mod). __rrshift__(self, value, /) Return value>>self. __rshift__(self, value, /) Return self>>value. __rsub__(self, value, /) Return value-self. __rtruediv__(self, value, /) Return value/self. __rxor__(self, value, /) Return value^self. __str__(self, /) Return str(self). __sub__(self, value, /) Return self-value. __truediv__(self, value, /) Return self/value. __xor__(self, value, /) Return self^value. Data descriptors inherited from integer: denominator denominator of value (1) numerator numerator of value (the value itself) Methods inherited from generic: __array__(...) sc.__array__(dtype) return 0-dim array from scalar with specified dtype __array_wrap__(...) sc.__array_wrap__(obj) return scalar from array __copy__(...) __deepcopy__(...) __format__(...) NumPy array scalar formatter __getitem__(self, key, /) Return self[key]. __reduce__(...) helper for pickle __round__(...) __setstate__(...) __sizeof__(...) __sizeof__() -> int size of object in memory, in bytes all(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. any(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmax(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmin(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argsort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. astype(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. byteswap(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. choose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. clip(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. compress(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. conj(...) conjugate(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. copy(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumprod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumsum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. diagonal(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dump(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dumps(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. fill(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. flatten(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. getfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. item(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. itemset(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. max(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. mean(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. min(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. newbyteorder(...) newbyteorder(new_order='S')   Return a new `dtype` with a different byte order.   Changes are also made in all fields and sub-arrays of the data type.   The `new_order` code can be any from the following:   * 'S' - swap dtype from current to opposite endian * {'<', 'L'} - little endian * {'>', 'B'} - big endian * {'=', 'N'} - native order * {'|', 'I'} - ignore (no change to byte order)   Parameters ---------- new_order : str, optional     Byte order to force; a value from the byte order specifications     above.  The default value ('S') results in swapping the current     byte order. The code does a case-insensitive check on the first     letter of `new_order` for the alternatives above.  For example,     any of 'B' or 'b' or 'biggish' are valid to specify big-endian.     Returns ------- new_dtype : dtype     New `dtype` object with the given change to the byte order. nonzero(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. prod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ptp(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. put(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ravel(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. repeat(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. reshape(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. resize(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. round(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. searchsorted(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setflags(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. squeeze(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. std(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. swapaxes(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. take(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tobytes(...) tofile(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tolist(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tostring(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. trace(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. transpose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. var(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. view(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. Data descriptors inherited from generic: T transpose __array_interface__ Array protocol: Python side __array_priority__ Array priority. __array_struct__ Array protocol: struct base base object data pointer to start of data dtype get array data-descriptor flags integer value of flags flat a 1-d view of scalar imag imaginary part of scalar itemsize length of one element in bytes nbytes length of item in bytes ndim number of array dimensions real real part of scalar shape tuple of array dimensions size number of elements in the gentype strides tuple of bytes steps in each dimension   class uint32(unsignedinteger)     Base class for numpy scalar types.   Class from which most (all?) numpy scalar types are derived.  For consistency, exposes the same API as `ndarray`, despite many consequent attributes being either "get-only," or completely irrelevant. This is the class from which it is strongly suggested users should derive custom scalar types.     Method resolution order: uint32 unsignedinteger integer number generic builtins.object Methods defined here: __abs__(self, /) abs(self) __add__(self, value, /) Return self+value. __and__(self, value, /) Return self&value. __bool__(self, /) self != 0 __divmod__(self, value, /) Return divmod(self, value). __eq__(self, value, /) Return self==value. __float__(self, /) float(self) __floordiv__(self, value, /) Return self//value. __ge__(self, value, /) Return self>=value. __gt__(self, value, /) Return self>value. __hash__(self, /) Return hash(self). __index__(self, /) Return self converted to an integer, if self is suitable for use as an index into a list. __int__(self, /) int(self) __invert__(self, /) ~self __le__(self, value, /) Return self<=value. __lshift__(self, value, /) Return self<<value. __lt__(self, value, /) Return self<value. __mod__(self, value, /) Return self%value. __mul__(self, value, /) Return self*value. __ne__(self, value, /) Return self!=value. __neg__(self, /) -self __new__(*args, **kwargs) from builtins.type Create and return a new object.  See help(type) for accurate signature. __or__(self, value, /) Return self|value. __pos__(self, /) +self __pow__(self, value, mod=None, /) Return pow(self, value, mod). __radd__(self, value, /) Return value+self. __rand__(self, value, /) Return value&self. __rdivmod__(self, value, /) Return divmod(value, self). __repr__(self, /) Return repr(self). __rfloordiv__(self, value, /) Return value//self. __rlshift__(self, value, /) Return value<<self. __rmod__(self, value, /) Return value%self. __rmul__(self, value, /) Return value*self. __ror__(self, value, /) Return value|self. __rpow__(self, value, mod=None, /) Return pow(value, self, mod). __rrshift__(self, value, /) Return value>>self. __rshift__(self, value, /) Return self>>value. __rsub__(self, value, /) Return value-self. __rtruediv__(self, value, /) Return value/self. __rxor__(self, value, /) Return value^self. __str__(self, /) Return str(self). __sub__(self, value, /) Return self-value. __truediv__(self, value, /) Return self/value. __xor__(self, value, /) Return self^value. Data descriptors inherited from integer: denominator denominator of value (1) numerator numerator of value (the value itself) Methods inherited from generic: __array__(...) sc.__array__(dtype) return 0-dim array from scalar with specified dtype __array_wrap__(...) sc.__array_wrap__(obj) return scalar from array __copy__(...) __deepcopy__(...) __format__(...) NumPy array scalar formatter __getitem__(self, key, /) Return self[key]. __reduce__(...) helper for pickle __round__(...) __setstate__(...) __sizeof__(...) __sizeof__() -> int size of object in memory, in bytes all(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. any(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmax(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmin(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argsort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. astype(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. byteswap(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. choose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. clip(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. compress(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. conj(...) conjugate(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. copy(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumprod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumsum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. diagonal(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dump(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dumps(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. fill(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. flatten(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. getfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. item(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. itemset(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. max(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. mean(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. min(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. newbyteorder(...) newbyteorder(new_order='S')   Return a new `dtype` with a different byte order.   Changes are also made in all fields and sub-arrays of the data type.   The `new_order` code can be any from the following:   * 'S' - swap dtype from current to opposite endian * {'<', 'L'} - little endian * {'>', 'B'} - big endian * {'=', 'N'} - native order * {'|', 'I'} - ignore (no change to byte order)   Parameters ---------- new_order : str, optional     Byte order to force; a value from the byte order specifications     above.  The default value ('S') results in swapping the current     byte order. The code does a case-insensitive check on the first     letter of `new_order` for the alternatives above.  For example,     any of 'B' or 'b' or 'biggish' are valid to specify big-endian.     Returns ------- new_dtype : dtype     New `dtype` object with the given change to the byte order. nonzero(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. prod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ptp(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. put(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ravel(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. repeat(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. reshape(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. resize(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. round(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. searchsorted(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setflags(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. squeeze(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. std(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. swapaxes(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. take(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tobytes(...) tofile(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tolist(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tostring(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. trace(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. transpose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. var(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. view(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. Data descriptors inherited from generic: T transpose __array_interface__ Array protocol: Python side __array_priority__ Array priority. __array_struct__ Array protocol: struct base base object data pointer to start of data dtype get array data-descriptor flags integer value of flags flat a 1-d view of scalar imag imaginary part of scalar itemsize length of one element in bytes nbytes length of item in bytes ndim number of array dimensions real real part of scalar shape tuple of array dimensions size number of elements in the gentype strides tuple of bytes steps in each dimension   class uint64(unsignedinteger)     Base class for numpy scalar types.   Class from which most (all?) numpy scalar types are derived.  For consistency, exposes the same API as `ndarray`, despite many consequent attributes being either "get-only," or completely irrelevant. This is the class from which it is strongly suggested users should derive custom scalar types.     Method resolution order: uint64 unsignedinteger integer number generic builtins.object Methods defined here: __abs__(self, /) abs(self) __add__(self, value, /) Return self+value. __and__(self, value, /) Return self&value. __bool__(self, /) self != 0 __divmod__(self, value, /) Return divmod(self, value). __eq__(self, value, /) Return self==value. __float__(self, /) float(self) __floordiv__(self, value, /) Return self//value. __ge__(self, value, /) Return self>=value. __gt__(self, value, /) Return self>value. __hash__(self, /) Return hash(self). __index__(self, /) Return self converted to an integer, if self is suitable for use as an index into a list. __int__(self, /) int(self) __invert__(self, /) ~self __le__(self, value, /) Return self<=value. __lshift__(self, value, /) Return self<<value. __lt__(self, value, /) Return self<value. __mod__(self, value, /) Return self%value. __mul__(self, value, /) Return self*value. __ne__(self, value, /) Return self!=value. __neg__(self, /) -self __new__(*args, **kwargs) from builtins.type Create and return a new object.  See help(type) for accurate signature. __or__(self, value, /) Return self|value. __pos__(self, /) +self __pow__(self, value, mod=None, /) Return pow(self, value, mod). __radd__(self, value, /) Return value+self. __rand__(self, value, /) Return value&self. __rdivmod__(self, value, /) Return divmod(value, self). __repr__(self, /) Return repr(self). __rfloordiv__(self, value, /) Return value//self. __rlshift__(self, value, /) Return value<<self. __rmod__(self, value, /) Return value%self. __rmul__(self, value, /) Return value*self. __ror__(self, value, /) Return value|self. __rpow__(self, value, mod=None, /) Return pow(value, self, mod). __rrshift__(self, value, /) Return value>>self. __rshift__(self, value, /) Return self>>value. __rsub__(self, value, /) Return value-self. __rtruediv__(self, value, /) Return value/self. __rxor__(self, value, /) Return value^self. __str__(self, /) Return str(self). __sub__(self, value, /) Return self-value. __truediv__(self, value, /) Return self/value. __xor__(self, value, /) Return self^value. Data descriptors inherited from integer: denominator denominator of value (1) numerator numerator of value (the value itself) Methods inherited from generic: __array__(...) sc.__array__(dtype) return 0-dim array from scalar with specified dtype __array_wrap__(...) sc.__array_wrap__(obj) return scalar from array __copy__(...) __deepcopy__(...) __format__(...) NumPy array scalar formatter __getitem__(self, key, /) Return self[key]. __reduce__(...) helper for pickle __round__(...) __setstate__(...) __sizeof__(...) __sizeof__() -> int size of object in memory, in bytes all(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. any(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmax(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmin(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argsort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. astype(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. byteswap(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. choose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. clip(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. compress(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. conj(...) conjugate(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. copy(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumprod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumsum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. diagonal(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dump(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dumps(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. fill(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. flatten(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. getfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. item(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. itemset(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. max(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. mean(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. min(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. newbyteorder(...) newbyteorder(new_order='S')   Return a new `dtype` with a different byte order.   Changes are also made in all fields and sub-arrays of the data type.   The `new_order` code can be any from the following:   * 'S' - swap dtype from current to opposite endian * {'<', 'L'} - little endian * {'>', 'B'} - big endian * {'=', 'N'} - native order * {'|', 'I'} - ignore (no change to byte order)   Parameters ---------- new_order : str, optional     Byte order to force; a value from the byte order specifications     above.  The default value ('S') results in swapping the current     byte order. The code does a case-insensitive check on the first     letter of `new_order` for the alternatives above.  For example,     any of 'B' or 'b' or 'biggish' are valid to specify big-endian.     Returns ------- new_dtype : dtype     New `dtype` object with the given change to the byte order. nonzero(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. prod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ptp(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. put(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ravel(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. repeat(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. reshape(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. resize(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. round(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. searchsorted(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setflags(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. squeeze(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. std(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. swapaxes(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. take(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tobytes(...) tofile(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tolist(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tostring(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. trace(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. transpose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. var(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. view(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. Data descriptors inherited from generic: T transpose __array_interface__ Array protocol: Python side __array_priority__ Array priority. __array_struct__ Array protocol: struct base base object data pointer to start of data dtype get array data-descriptor flags integer value of flags flat a 1-d view of scalar imag imaginary part of scalar itemsize length of one element in bytes nbytes length of item in bytes ndim number of array dimensions real real part of scalar shape tuple of array dimensions size number of elements in the gentype strides tuple of bytes steps in each dimension   class uint8(unsignedinteger)     Base class for numpy scalar types.   Class from which most (all?) numpy scalar types are derived.  For consistency, exposes the same API as `ndarray`, despite many consequent attributes being either "get-only," or completely irrelevant. This is the class from which it is strongly suggested users should derive custom scalar types.     Method resolution order: uint8 unsignedinteger integer number generic builtins.object Methods defined here: __abs__(self, /) abs(self) __add__(self, value, /) Return self+value. __and__(self, value, /) Return self&value. __bool__(self, /) self != 0 __divmod__(self, value, /) Return divmod(self, value). __eq__(self, value, /) Return self==value. __float__(self, /) float(self) __floordiv__(self, value, /) Return self//value. __ge__(self, value, /) Return self>=value. __gt__(self, value, /) Return self>value. __hash__(self, /) Return hash(self). __index__(self, /) Return self converted to an integer, if self is suitable for use as an index into a list. __int__(self, /) int(self) __invert__(self, /) ~self __le__(self, value, /) Return self<=value. __lshift__(self, value, /) Return self<<value. __lt__(self, value, /) Return self<value. __mod__(self, value, /) Return self%value. __mul__(self, value, /) Return self*value. __ne__(self, value, /) Return self!=value. __neg__(self, /) -self __new__(*args, **kwargs) from builtins.type Create and return a new object.  See help(type) for accurate signature. __or__(self, value, /) Return self|value. __pos__(self, /) +self __pow__(self, value, mod=None, /) Return pow(self, value, mod). __radd__(self, value, /) Return value+self. __rand__(self, value, /) Return value&self. __rdivmod__(self, value, /) Return divmod(value, self). __repr__(self, /) Return repr(self). __rfloordiv__(self, value, /) Return value//self. __rlshift__(self, value, /) Return value<<self. __rmod__(self, value, /) Return value%self. __rmul__(self, value, /) Return value*self. __ror__(self, value, /) Return value|self. __rpow__(self, value, mod=None, /) Return pow(value, self, mod). __rrshift__(self, value, /) Return value>>self. __rshift__(self, value, /) Return self>>value. __rsub__(self, value, /) Return value-self. __rtruediv__(self, value, /) Return value/self. __rxor__(self, value, /) Return value^self. __str__(self, /) Return str(self). __sub__(self, value, /) Return self-value. __truediv__(self, value, /) Return self/value. __xor__(self, value, /) Return self^value. Data descriptors inherited from integer: denominator denominator of value (1) numerator numerator of value (the value itself) Methods inherited from generic: __array__(...) sc.__array__(dtype) return 0-dim array from scalar with specified dtype __array_wrap__(...) sc.__array_wrap__(obj) return scalar from array __copy__(...) __deepcopy__(...) __format__(...) NumPy array scalar formatter __getitem__(self, key, /) Return self[key]. __reduce__(...) helper for pickle __round__(...) __setstate__(...) __sizeof__(...) __sizeof__() -> int size of object in memory, in bytes all(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. any(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmax(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmin(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argsort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. astype(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. byteswap(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. choose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. clip(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. compress(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. conj(...) conjugate(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. copy(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumprod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumsum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. diagonal(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dump(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dumps(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. fill(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. flatten(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. getfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. item(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. itemset(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. max(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. mean(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. min(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. newbyteorder(...) newbyteorder(new_order='S')   Return a new `dtype` with a different byte order.   Changes are also made in all fields and sub-arrays of the data type.   The `new_order` code can be any from the following:   * 'S' - swap dtype from current to opposite endian * {'<', 'L'} - little endian * {'>', 'B'} - big endian * {'=', 'N'} - native order * {'|', 'I'} - ignore (no change to byte order)   Parameters ---------- new_order : str, optional     Byte order to force; a value from the byte order specifications     above.  The default value ('S') results in swapping the current     byte order. The code does a case-insensitive check on the first     letter of `new_order` for the alternatives above.  For example,     any of 'B' or 'b' or 'biggish' are valid to specify big-endian.     Returns ------- new_dtype : dtype     New `dtype` object with the given change to the byte order. nonzero(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. prod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ptp(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. put(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ravel(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. repeat(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. reshape(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. resize(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. round(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. searchsorted(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setflags(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. squeeze(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. std(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. swapaxes(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. take(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tobytes(...) tofile(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tolist(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tostring(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. trace(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. transpose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. var(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. view(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. Data descriptors inherited from generic: T transpose __array_interface__ Array protocol: Python side __array_priority__ Array priority. __array_struct__ Array protocol: struct base base object data pointer to start of data dtype get array data-descriptor flags integer value of flags flat a 1-d view of scalar imag imaginary part of scalar itemsize length of one element in bytes nbytes length of item in bytes ndim number of array dimensions real real part of scalar shape tuple of array dimensions size number of elements in the gentype strides tuple of bytes steps in each dimension   uintc = class uint32(unsignedinteger)     Base class for numpy scalar types.   Class from which most (all?) numpy scalar types are derived.  For consistency, exposes the same API as `ndarray`, despite many consequent attributes being either "get-only," or completely irrelevant. This is the class from which it is strongly suggested users should derive custom scalar types.     Method resolution order: uint32 unsignedinteger integer number generic builtins.object Methods defined here: __abs__(self, /) abs(self) __add__(self, value, /) Return self+value. __and__(self, value, /) Return self&value. __bool__(self, /) self != 0 __divmod__(self, value, /) Return divmod(self, value). __eq__(self, value, /) Return self==value. __float__(self, /) float(self) __floordiv__(self, value, /) Return self//value. __ge__(self, value, /) Return self>=value. __gt__(self, value, /) Return self>value. __hash__(self, /) Return hash(self). __index__(self, /) Return self converted to an integer, if self is suitable for use as an index into a list. __int__(self, /) int(self) __invert__(self, /) ~self __le__(self, value, /) Return self<=value. __lshift__(self, value, /) Return self<<value. __lt__(self, value, /) Return self<value. __mod__(self, value, /) Return self%value. __mul__(self, value, /) Return self*value. __ne__(self, value, /) Return self!=value. __neg__(self, /) -self __new__(*args, **kwargs) from builtins.type Create and return a new object.  See help(type) for accurate signature. __or__(self, value, /) Return self|value. __pos__(self, /) +self __pow__(self, value, mod=None, /) Return pow(self, value, mod). __radd__(self, value, /) Return value+self. __rand__(self, value, /) Return value&self. __rdivmod__(self, value, /) Return divmod(value, self). __repr__(self, /) Return repr(self). __rfloordiv__(self, value, /) Return value//self. __rlshift__(self, value, /) Return value<<self. __rmod__(self, value, /) Return value%self. __rmul__(self, value, /) Return value*self. __ror__(self, value, /) Return value|self. __rpow__(self, value, mod=None, /) Return pow(value, self, mod). __rrshift__(self, value, /) Return value>>self. __rshift__(self, value, /) Return self>>value. __rsub__(self, value, /) Return value-self. __rtruediv__(self, value, /) Return value/self. __rxor__(self, value, /) Return value^self. __str__(self, /) Return str(self). __sub__(self, value, /) Return self-value. __truediv__(self, value, /) Return self/value. __xor__(self, value, /) Return self^value. Data descriptors inherited from integer: denominator denominator of value (1) numerator numerator of value (the value itself) Methods inherited from generic: __array__(...) sc.__array__(dtype) return 0-dim array from scalar with specified dtype __array_wrap__(...) sc.__array_wrap__(obj) return scalar from array __copy__(...) __deepcopy__(...) __format__(...) NumPy array scalar formatter __getitem__(self, key, /) Return self[key]. __reduce__(...) helper for pickle __round__(...) __setstate__(...) __sizeof__(...) __sizeof__() -> int size of object in memory, in bytes all(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. any(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmax(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmin(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argsort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. astype(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. byteswap(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. choose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. clip(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. compress(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. conj(...) conjugate(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. copy(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumprod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumsum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. diagonal(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dump(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dumps(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. fill(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. flatten(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. getfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. item(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. itemset(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. max(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. mean(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. min(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. newbyteorder(...) newbyteorder(new_order='S')   Return a new `dtype` with a different byte order.   Changes are also made in all fields and sub-arrays of the data type.   The `new_order` code can be any from the following:   * 'S' - swap dtype from current to opposite endian * {'<', 'L'} - little endian * {'>', 'B'} - big endian * {'=', 'N'} - native order * {'|', 'I'} - ignore (no change to byte order)   Parameters ---------- new_order : str, optional     Byte order to force; a value from the byte order specifications     above.  The default value ('S') results in swapping the current     byte order. The code does a case-insensitive check on the first     letter of `new_order` for the alternatives above.  For example,     any of 'B' or 'b' or 'biggish' are valid to specify big-endian.     Returns ------- new_dtype : dtype     New `dtype` object with the given change to the byte order. nonzero(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. prod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ptp(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. put(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ravel(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. repeat(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. reshape(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. resize(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. round(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. searchsorted(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setflags(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. squeeze(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. std(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. swapaxes(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. take(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tobytes(...) tofile(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tolist(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tostring(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. trace(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. transpose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. var(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. view(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. Data descriptors inherited from generic: T transpose __array_interface__ Array protocol: Python side __array_priority__ Array priority. __array_struct__ Array protocol: struct base base object data pointer to start of data dtype get array data-descriptor flags integer value of flags flat a 1-d view of scalar imag imaginary part of scalar itemsize length of one element in bytes nbytes length of item in bytes ndim number of array dimensions real real part of scalar shape tuple of array dimensions size number of elements in the gentype strides tuple of bytes steps in each dimension   uintp = class uint64(unsignedinteger)     Base class for numpy scalar types.   Class from which most (all?) numpy scalar types are derived.  For consistency, exposes the same API as `ndarray`, despite many consequent attributes being either "get-only," or completely irrelevant. This is the class from which it is strongly suggested users should derive custom scalar types.     Method resolution order: uint64 unsignedinteger integer number generic builtins.object Methods defined here: __abs__(self, /) abs(self) __add__(self, value, /) Return self+value. __and__(self, value, /) Return self&value. __bool__(self, /) self != 0 __divmod__(self, value, /) Return divmod(self, value). __eq__(self, value, /) Return self==value. __float__(self, /) float(self) __floordiv__(self, value, /) Return self//value. __ge__(self, value, /) Return self>=value. __gt__(self, value, /) Return self>value. __hash__(self, /) Return hash(self). __index__(self, /) Return self converted to an integer, if self is suitable for use as an index into a list. __int__(self, /) int(self) __invert__(self, /) ~self __le__(self, value, /) Return self<=value. __lshift__(self, value, /) Return self<<value. __lt__(self, value, /) Return self<value. __mod__(self, value, /) Return self%value. __mul__(self, value, /) Return self*value. __ne__(self, value, /) Return self!=value. __neg__(self, /) -self __new__(*args, **kwargs) from builtins.type Create and return a new object.  See help(type) for accurate signature. __or__(self, value, /) Return self|value. __pos__(self, /) +self __pow__(self, value, mod=None, /) Return pow(self, value, mod). __radd__(self, value, /) Return value+self. __rand__(self, value, /) Return value&self. __rdivmod__(self, value, /) Return divmod(value, self). __repr__(self, /) Return repr(self). __rfloordiv__(self, value, /) Return value//self. __rlshift__(self, value, /) Return value<<self. __rmod__(self, value, /) Return value%self. __rmul__(self, value, /) Return value*self. __ror__(self, value, /) Return value|self. __rpow__(self, value, mod=None, /) Return pow(value, self, mod). __rrshift__(self, value, /) Return value>>self. __rshift__(self, value, /) Return self>>value. __rsub__(self, value, /) Return value-self. __rtruediv__(self, value, /) Return value/self. __rxor__(self, value, /) Return value^self. __str__(self, /) Return str(self). __sub__(self, value, /) Return self-value. __truediv__(self, value, /) Return self/value. __xor__(self, value, /) Return self^value. Data descriptors inherited from integer: denominator denominator of value (1) numerator numerator of value (the value itself) Methods inherited from generic: __array__(...) sc.__array__(dtype) return 0-dim array from scalar with specified dtype __array_wrap__(...) sc.__array_wrap__(obj) return scalar from array __copy__(...) __deepcopy__(...) __format__(...) NumPy array scalar formatter __getitem__(self, key, /) Return self[key]. __reduce__(...) helper for pickle __round__(...) __setstate__(...) __sizeof__(...) __sizeof__() -> int size of object in memory, in bytes all(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. any(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmax(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmin(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argsort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. astype(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. byteswap(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. choose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. clip(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. compress(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. conj(...) conjugate(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. copy(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumprod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumsum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. diagonal(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dump(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dumps(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. fill(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. flatten(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. getfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. item(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. itemset(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. max(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. mean(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. min(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. newbyteorder(...) newbyteorder(new_order='S')   Return a new `dtype` with a different byte order.   Changes are also made in all fields and sub-arrays of the data type.   The `new_order` code can be any from the following:   * 'S' - swap dtype from current to opposite endian * {'<', 'L'} - little endian * {'>', 'B'} - big endian * {'=', 'N'} - native order * {'|', 'I'} - ignore (no change to byte order)   Parameters ---------- new_order : str, optional     Byte order to force; a value from the byte order specifications     above.  The default value ('S') results in swapping the current     byte order. The code does a case-insensitive check on the first     letter of `new_order` for the alternatives above.  For example,     any of 'B' or 'b' or 'biggish' are valid to specify big-endian.     Returns ------- new_dtype : dtype     New `dtype` object with the given change to the byte order. nonzero(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. prod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ptp(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. put(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ravel(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. repeat(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. reshape(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. resize(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. round(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. searchsorted(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setflags(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. squeeze(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. std(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. swapaxes(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. take(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tobytes(...) tofile(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tolist(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tostring(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. trace(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. transpose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. var(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. view(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. Data descriptors inherited from generic: T transpose __array_interface__ Array protocol: Python side __array_priority__ Array priority. __array_struct__ Array protocol: struct base base object data pointer to start of data dtype get array data-descriptor flags integer value of flags flat a 1-d view of scalar imag imaginary part of scalar itemsize length of one element in bytes nbytes length of item in bytes ndim number of array dimensions real real part of scalar shape tuple of array dimensions size number of elements in the gentype strides tuple of bytes steps in each dimension   ulonglong = class uint64(unsignedinteger)     Base class for numpy scalar types.   Class from which most (all?) numpy scalar types are derived.  For consistency, exposes the same API as `ndarray`, despite many consequent attributes being either "get-only," or completely irrelevant. This is the class from which it is strongly suggested users should derive custom scalar types.     Method resolution order: uint64 unsignedinteger integer number generic builtins.object Methods defined here: __abs__(self, /) abs(self) __add__(self, value, /) Return self+value. __and__(self, value, /) Return self&value. __bool__(self, /) self != 0 __divmod__(self, value, /) Return divmod(self, value). __eq__(self, value, /) Return self==value. __float__(self, /) float(self) __floordiv__(self, value, /) Return self//value. __ge__(self, value, /) Return self>=value. __gt__(self, value, /) Return self>value. __hash__(self, /) Return hash(self). __index__(self, /) Return self converted to an integer, if self is suitable for use as an index into a list. __int__(self, /) int(self) __invert__(self, /) ~self __le__(self, value, /) Return self<=value. __lshift__(self, value, /) Return self<<value. __lt__(self, value, /) Return self<value. __mod__(self, value, /) Return self%value. __mul__(self, value, /) Return self*value. __ne__(self, value, /) Return self!=value. __neg__(self, /) -self __new__(*args, **kwargs) from builtins.type Create and return a new object.  See help(type) for accurate signature. __or__(self, value, /) Return self|value. __pos__(self, /) +self __pow__(self, value, mod=None, /) Return pow(self, value, mod). __radd__(self, value, /) Return value+self. __rand__(self, value, /) Return value&self. __rdivmod__(self, value, /) Return divmod(value, self). __repr__(self, /) Return repr(self). __rfloordiv__(self, value, /) Return value//self. __rlshift__(self, value, /) Return value<<self. __rmod__(self, value, /) Return value%self. __rmul__(self, value, /) Return value*self. __ror__(self, value, /) Return value|self. __rpow__(self, value, mod=None, /) Return pow(value, self, mod). __rrshift__(self, value, /) Return value>>self. __rshift__(self, value, /) Return self>>value. __rsub__(self, value, /) Return value-self. __rtruediv__(self, value, /) Return value/self. __rxor__(self, value, /) Return value^self. __str__(self, /) Return str(self). __sub__(self, value, /) Return self-value. __truediv__(self, value, /) Return self/value. __xor__(self, value, /) Return self^value. Data descriptors inherited from integer: denominator denominator of value (1) numerator numerator of value (the value itself) Methods inherited from generic: __array__(...) sc.__array__(dtype) return 0-dim array from scalar with specified dtype __array_wrap__(...) sc.__array_wrap__(obj) return scalar from array __copy__(...) __deepcopy__(...) __format__(...) NumPy array scalar formatter __getitem__(self, key, /) Return self[key]. __reduce__(...) helper for pickle __round__(...) __setstate__(...) __sizeof__(...) __sizeof__() -> int size of object in memory, in bytes all(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. any(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmax(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmin(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argsort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. astype(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. byteswap(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. choose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. clip(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. compress(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. conj(...) conjugate(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. copy(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumprod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumsum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. diagonal(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dump(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dumps(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. fill(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. flatten(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. getfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. item(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. itemset(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. max(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. mean(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. min(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. newbyteorder(...) newbyteorder(new_order='S')   Return a new `dtype` with a different byte order.   Changes are also made in all fields and sub-arrays of the data type.   The `new_order` code can be any from the following:   * 'S' - swap dtype from current to opposite endian * {'<', 'L'} - little endian * {'>', 'B'} - big endian * {'=', 'N'} - native order * {'|', 'I'} - ignore (no change to byte order)   Parameters ---------- new_order : str, optional     Byte order to force; a value from the byte order specifications     above.  The default value ('S') results in swapping the current     byte order. The code does a case-insensitive check on the first     letter of `new_order` for the alternatives above.  For example,     any of 'B' or 'b' or 'biggish' are valid to specify big-endian.     Returns ------- new_dtype : dtype     New `dtype` object with the given change to the byte order. nonzero(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. prod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ptp(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. put(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ravel(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. repeat(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. reshape(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. resize(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. round(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. searchsorted(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setflags(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. squeeze(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. std(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. swapaxes(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. take(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tobytes(...) tofile(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tolist(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tostring(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. trace(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. transpose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. var(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. view(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. Data descriptors inherited from generic: T transpose __array_interface__ Array protocol: Python side __array_priority__ Array priority. __array_struct__ Array protocol: struct base base object data pointer to start of data dtype get array data-descriptor flags integer value of flags flat a 1-d view of scalar imag imaginary part of scalar itemsize length of one element in bytes nbytes length of item in bytes ndim number of array dimensions real real part of scalar shape tuple of array dimensions size number of elements in the gentype strides tuple of bytes steps in each dimension   unicode = class str(object)     str(object='') -> str str(bytes_or_buffer[, encoding[, errors]]) -> str   Create a new string object from the given object. If encoding or errors is specified, then the object must expose a data buffer that will be decoded using the given encoding and error handler. Otherwise, returns the result of object.__str__() (if defined) or repr(object). encoding defaults to sys.getdefaultencoding(). errors defaults to 'strict'.     Methods defined here: __add__(self, value, /) Return self+value. __contains__(self, key, /) Return key in self. __eq__(self, value, /) Return self==value. __format__(...) S.__format__(format_spec) -> str   Return a formatted version of S as described by format_spec. __ge__(self, value, /) Return self>=value. __getattribute__(self, name, /) Return getattr(self, name). __getitem__(self, key, /) Return self[key]. __getnewargs__(...) __gt__(self, value, /) Return self>value. __hash__(self, /) Return hash(self). __iter__(self, /) Implement iter(self). __le__(self, value, /) Return self<=value. __len__(self, /) Return len(self). __lt__(self, value, /) Return self<value. __mod__(self, value, /) Return self%value. __mul__(self, value, /) Return self*value.n __ne__(self, value, /) Return self!=value. __new__(*args, **kwargs) from builtins.type Create and return a new object.  See help(type) for accurate signature. __repr__(self, /) Return repr(self). __rmod__(self, value, /) Return value%self. __rmul__(self, value, /) Return self*value. __sizeof__(...) S.__sizeof__() -> size of S in memory, in bytes __str__(self, /) Return str(self). capitalize(...) S.capitalize() -> str   Return a capitalized version of S, i.e. make the first character have upper case and the rest lower case. casefold(...) S.casefold() -> str   Return a version of S suitable for caseless comparisons. center(...) S.center(width[, fillchar]) -> str   Return S centered in a string of length width. Padding is done using the specified fill character (default is a space) count(...) S.count(sub[, start[, end]]) -> int   Return the number of non-overlapping occurrences of substring sub in string S[start:end].  Optional arguments start and end are interpreted as in slice notation. encode(...) S.encode(encoding='utf-8', errors='strict') -> bytes   Encode S using the codec registered for encoding. Default encoding is 'utf-8'. errors may be given to set a different error handling scheme. Default is 'strict' meaning that encoding errors raise a UnicodeEncodeError. Other possible values are 'ignore', 'replace' and 'xmlcharrefreplace' as well as any other name registered with codecs.register_error that can handle UnicodeEncodeErrors. endswith(...) S.endswith(suffix[, start[, end]]) -> bool   Return True if S ends with the specified suffix, False otherwise. With optional start, test S beginning at that position. With optional end, stop comparing S at that position. suffix can also be a tuple of strings to try. expandtabs(...) S.expandtabs(tabsize=8) -> str   Return a copy of S where all tab characters are expanded using spaces. If tabsize is not given, a tab size of 8 characters is assumed. find(...) S.find(sub[, start[, end]]) -> int   Return the lowest index in S where substring sub is found, such that sub is contained within S[start:end].  Optional arguments start and end are interpreted as in slice notation.   Return -1 on failure. format(...) S.format(*args, **kwargs) -> str   Return a formatted version of S, using substitutions from args and kwargs. The substitutions are identified by braces ('{' and '}'). format_map(...) S.format_map(mapping) -> str   Return a formatted version of S, using substitutions from mapping. The substitutions are identified by braces ('{' and '}'). index(...) S.index(sub[, start[, end]]) -> int   Return the lowest index in S where substring sub is found,  such that sub is contained within S[start:end].  Optional arguments start and end are interpreted as in slice notation.   Raises ValueError when the substring is not found. isalnum(...) S.isalnum() -> bool   Return True if all characters in S are alphanumeric and there is at least one character in S, False otherwise. isalpha(...) S.isalpha() -> bool   Return True if all characters in S are alphabetic and there is at least one character in S, False otherwise. isdecimal(...) S.isdecimal() -> bool   Return True if there are only decimal characters in S, False otherwise. isdigit(...) S.isdigit() -> bool   Return True if all characters in S are digits and there is at least one character in S, False otherwise. isidentifier(...) S.isidentifier() -> bool   Return True if S is a valid identifier according to the language definition.   Use keyword.iskeyword() to test for reserved identifiers such as "def" and "class". islower(...) S.islower() -> bool   Return True if all cased characters in S are lowercase and there is at least one cased character in S, False otherwise. isnumeric(...) S.isnumeric() -> bool   Return True if there are only numeric characters in S, False otherwise. isprintable(...) S.isprintable() -> bool   Return True if all characters in S are considered printable in repr() or S is empty, False otherwise. isspace(...) S.isspace() -> bool   Return True if all characters in S are whitespace and there is at least one character in S, False otherwise. istitle(...) S.istitle() -> bool   Return True if S is a titlecased string and there is at least one character in S, i.e. upper- and titlecase characters may only follow uncased characters and lowercase characters only cased ones. Return False otherwise. isupper(...) S.isupper() -> bool   Return True if all cased characters in S are uppercase and there is at least one cased character in S, False otherwise. join(...) S.join(iterable) -> str   Return a string which is the concatenation of the strings in the iterable.  The separator between elements is S. ljust(...) S.ljust(width[, fillchar]) -> str   Return S left-justified in a Unicode string of length width. Padding is done using the specified fill character (default is a space). lower(...) S.lower() -> str   Return a copy of the string S converted to lowercase. lstrip(...) S.lstrip([chars]) -> str   Return a copy of the string S with leading whitespace removed. If chars is given and not None, remove characters in chars instead. partition(...) S.partition(sep) -> (head, sep, tail)   Search for the separator sep in S, and return the part before it, the separator itself, and the part after it.  If the separator is not found, return S and two empty strings. replace(...) S.replace(old, new[, count]) -> str   Return a copy of S with all occurrences of substring old replaced by new.  If the optional argument count is given, only the first count occurrences are replaced. rfind(...) S.rfind(sub[, start[, end]]) -> int   Return the highest index in S where substring sub is found, such that sub is contained within S[start:end].  Optional arguments start and end are interpreted as in slice notation.   Return -1 on failure. rindex(...) S.rindex(sub[, start[, end]]) -> int   Return the highest index in S where substring sub is found, such that sub is contained within S[start:end].  Optional arguments start and end are interpreted as in slice notation.   Raises ValueError when the substring is not found. rjust(...) S.rjust(width[, fillchar]) -> str   Return S right-justified in a string of length width. Padding is done using the specified fill character (default is a space). rpartition(...) S.rpartition(sep) -> (head, sep, tail)   Search for the separator sep in S, starting at the end of S, and return the part before it, the separator itself, and the part after it.  If the separator is not found, return two empty strings and S. rsplit(...) S.rsplit(sep=None, maxsplit=-1) -> list of strings   Return a list of the words in S, using sep as the delimiter string, starting at the end of the string and working to the front.  If maxsplit is given, at most maxsplit splits are done. If sep is not specified, any whitespace string is a separator. rstrip(...) S.rstrip([chars]) -> str   Return a copy of the string S with trailing whitespace removed. If chars is given and not None, remove characters in chars instead. split(...) S.split(sep=None, maxsplit=-1) -> list of strings   Return a list of the words in S, using sep as the delimiter string.  If maxsplit is given, at most maxsplit splits are done. If sep is not specified or is None, any whitespace string is a separator and empty strings are removed from the result. splitlines(...) S.splitlines([keepends]) -> list of strings   Return a list of the lines in S, breaking at line boundaries. Line breaks are not included in the resulting list unless keepends is given and true. startswith(...) S.startswith(prefix[, start[, end]]) -> bool   Return True if S starts with the specified prefix, False otherwise. With optional start, test S beginning at that position. With optional end, stop comparing S at that position. prefix can also be a tuple of strings to try. strip(...) S.strip([chars]) -> str   Return a copy of the string S with leading and trailing whitespace removed. If chars is given and not None, remove characters in chars instead. swapcase(...) S.swapcase() -> str   Return a copy of S with uppercase characters converted to lowercase and vice versa. title(...) S.title() -> str   Return a titlecased version of S, i.e. words start with title case characters, all remaining cased characters have lower case. translate(...) S.translate(table) -> str   Return a copy of the string S in which each character has been mapped through the given translation table. The table must implement lookup/indexing via __getitem__, for instance a dictionary or list, mapping Unicode ordinals to Unicode ordinals, strings, or None. If this operation raises LookupError, the character is left untouched. Characters mapped to None are deleted. upper(...) S.upper() -> str   Return a copy of S converted to uppercase. zfill(...) S.zfill(width) -> str   Pad a numeric string S with zeros on the left, to fill a field of the specified width. The string S is never truncated. Static methods defined here: maketrans(x, y=None, z=None, /) Return a translation table usable for str.translate().   If there is only one argument, it must be a dictionary mapping Unicode ordinals (integers) or characters to Unicode ordinals, strings or None. Character keys will be then converted to ordinals. If there are two arguments, they must be strings of equal length, and in the resulting dictionary, each character in x will be mapped to the character at the same position in y. If there is a third argument, it must be a string, whose characters will be mapped to None in the result.   unicode_ = class str_(builtins.str, character)     str(object='') -> str str(bytes_or_buffer[, encoding[, errors]]) -> str   Create a new string object from the given object. If encoding or errors is specified, then the object must expose a data buffer that will be decoded using the given encoding and error handler. Otherwise, returns the result of object.__str__() (if defined) or repr(object). encoding defaults to sys.getdefaultencoding(). errors defaults to 'strict'.     Method resolution order: str_ builtins.str character flexible generic builtins.object Methods defined here: __eq__(self, value, /) Return self==value. __ge__(self, value, /) Return self>=value. __gt__(self, value, /) Return self>value. __hash__(self, /) Return hash(self). __le__(self, value, /) Return self<=value. __lt__(self, value, /) Return self<value. __ne__(self, value, /) Return self!=value. __new__(*args, **kwargs) from builtins.type Create and return a new object.  See help(type) for accurate signature. __repr__(self, /) Return repr(self). __str__(self, /) Return str(self). Methods inherited from builtins.str: __add__(self, value, /) Return self+value. __contains__(self, key, /) Return key in self. __format__(...) S.__format__(format_spec) -> str   Return a formatted version of S as described by format_spec. __getattribute__(self, name, /) Return getattr(self, name). __getitem__(self, key, /) Return self[key]. __getnewargs__(...) __iter__(self, /) Implement iter(self). __len__(self, /) Return len(self). __mod__(self, value, /) Return self%value. __mul__(self, value, /) Return self*value.n __rmod__(self, value, /) Return value%self. __rmul__(self, value, /) Return self*value. __sizeof__(...) S.__sizeof__() -> size of S in memory, in bytes capitalize(...) S.capitalize() -> str   Return a capitalized version of S, i.e. make the first character have upper case and the rest lower case. casefold(...) S.casefold() -> str   Return a version of S suitable for caseless comparisons. center(...) S.center(width[, fillchar]) -> str   Return S centered in a string of length width. Padding is done using the specified fill character (default is a space) count(...) S.count(sub[, start[, end]]) -> int   Return the number of non-overlapping occurrences of substring sub in string S[start:end].  Optional arguments start and end are interpreted as in slice notation. encode(...) S.encode(encoding='utf-8', errors='strict') -> bytes   Encode S using the codec registered for encoding. Default encoding is 'utf-8'. errors may be given to set a different error handling scheme. Default is 'strict' meaning that encoding errors raise a UnicodeEncodeError. Other possible values are 'ignore', 'replace' and 'xmlcharrefreplace' as well as any other name registered with codecs.register_error that can handle UnicodeEncodeErrors. endswith(...) S.endswith(suffix[, start[, end]]) -> bool   Return True if S ends with the specified suffix, False otherwise. With optional start, test S beginning at that position. With optional end, stop comparing S at that position. suffix can also be a tuple of strings to try. expandtabs(...) S.expandtabs(tabsize=8) -> str   Return a copy of S where all tab characters are expanded using spaces. If tabsize is not given, a tab size of 8 characters is assumed. find(...) S.find(sub[, start[, end]]) -> int   Return the lowest index in S where substring sub is found, such that sub is contained within S[start:end].  Optional arguments start and end are interpreted as in slice notation.   Return -1 on failure. format(...) S.format(*args, **kwargs) -> str   Return a formatted version of S, using substitutions from args and kwargs. The substitutions are identified by braces ('{' and '}'). format_map(...) S.format_map(mapping) -> str   Return a formatted version of S, using substitutions from mapping. The substitutions are identified by braces ('{' and '}'). index(...) S.index(sub[, start[, end]]) -> int   Return the lowest index in S where substring sub is found,  such that sub is contained within S[start:end].  Optional arguments start and end are interpreted as in slice notation.   Raises ValueError when the substring is not found. isalnum(...) S.isalnum() -> bool   Return True if all characters in S are alphanumeric and there is at least one character in S, False otherwise. isalpha(...) S.isalpha() -> bool   Return True if all characters in S are alphabetic and there is at least one character in S, False otherwise. isdecimal(...) S.isdecimal() -> bool   Return True if there are only decimal characters in S, False otherwise. isdigit(...) S.isdigit() -> bool   Return True if all characters in S are digits and there is at least one character in S, False otherwise. isidentifier(...) S.isidentifier() -> bool   Return True if S is a valid identifier according to the language definition.   Use keyword.iskeyword() to test for reserved identifiers such as "def" and "class". islower(...) S.islower() -> bool   Return True if all cased characters in S are lowercase and there is at least one cased character in S, False otherwise. isnumeric(...) S.isnumeric() -> bool   Return True if there are only numeric characters in S, False otherwise. isprintable(...) S.isprintable() -> bool   Return True if all characters in S are considered printable in repr() or S is empty, False otherwise. isspace(...) S.isspace() -> bool   Return True if all characters in S are whitespace and there is at least one character in S, False otherwise. istitle(...) S.istitle() -> bool   Return True if S is a titlecased string and there is at least one character in S, i.e. upper- and titlecase characters may only follow uncased characters and lowercase characters only cased ones. Return False otherwise. isupper(...) S.isupper() -> bool   Return True if all cased characters in S are uppercase and there is at least one cased character in S, False otherwise. join(...) S.join(iterable) -> str   Return a string which is the concatenation of the strings in the iterable.  The separator between elements is S. ljust(...) S.ljust(width[, fillchar]) -> str   Return S left-justified in a Unicode string of length width. Padding is done using the specified fill character (default is a space). lower(...) S.lower() -> str   Return a copy of the string S converted to lowercase. lstrip(...) S.lstrip([chars]) -> str   Return a copy of the string S with leading whitespace removed. If chars is given and not None, remove characters in chars instead. partition(...) S.partition(sep) -> (head, sep, tail)   Search for the separator sep in S, and return the part before it, the separator itself, and the part after it.  If the separator is not found, return S and two empty strings. replace(...) S.replace(old, new[, count]) -> str   Return a copy of S with all occurrences of substring old replaced by new.  If the optional argument count is given, only the first count occurrences are replaced. rfind(...) S.rfind(sub[, start[, end]]) -> int   Return the highest index in S where substring sub is found, such that sub is contained within S[start:end].  Optional arguments start and end are interpreted as in slice notation.   Return -1 on failure. rindex(...) S.rindex(sub[, start[, end]]) -> int   Return the highest index in S where substring sub is found, such that sub is contained within S[start:end].  Optional arguments start and end are interpreted as in slice notation.   Raises ValueError when the substring is not found. rjust(...) S.rjust(width[, fillchar]) -> str   Return S right-justified in a string of length width. Padding is done using the specified fill character (default is a space). rpartition(...) S.rpartition(sep) -> (head, sep, tail)   Search for the separator sep in S, starting at the end of S, and return the part before it, the separator itself, and the part after it.  If the separator is not found, return two empty strings and S. rsplit(...) S.rsplit(sep=None, maxsplit=-1) -> list of strings   Return a list of the words in S, using sep as the delimiter string, starting at the end of the string and working to the front.  If maxsplit is given, at most maxsplit splits are done. If sep is not specified, any whitespace string is a separator. rstrip(...) S.rstrip([chars]) -> str   Return a copy of the string S with trailing whitespace removed. If chars is given and not None, remove characters in chars instead. split(...) S.split(sep=None, maxsplit=-1) -> list of strings   Return a list of the words in S, using sep as the delimiter string.  If maxsplit is given, at most maxsplit splits are done. If sep is not specified or is None, any whitespace string is a separator and empty strings are removed from the result. splitlines(...) S.splitlines([keepends]) -> list of strings   Return a list of the lines in S, breaking at line boundaries. Line breaks are not included in the resulting list unless keepends is given and true. startswith(...) S.startswith(prefix[, start[, end]]) -> bool   Return True if S starts with the specified prefix, False otherwise. With optional start, test S beginning at that position. With optional end, stop comparing S at that position. prefix can also be a tuple of strings to try. strip(...) S.strip([chars]) -> str   Return a copy of the string S with leading and trailing whitespace removed. If chars is given and not None, remove characters in chars instead. swapcase(...) S.swapcase() -> str   Return a copy of S with uppercase characters converted to lowercase and vice versa. title(...) S.title() -> str   Return a titlecased version of S, i.e. words start with title case characters, all remaining cased characters have lower case. translate(...) S.translate(table) -> str   Return a copy of the string S in which each character has been mapped through the given translation table. The table must implement lookup/indexing via __getitem__, for instance a dictionary or list, mapping Unicode ordinals to Unicode ordinals, strings, or None. If this operation raises LookupError, the character is left untouched. Characters mapped to None are deleted. upper(...) S.upper() -> str   Return a copy of S converted to uppercase. zfill(...) S.zfill(width) -> str   Pad a numeric string S with zeros on the left, to fill a field of the specified width. The string S is never truncated. Static methods inherited from builtins.str: maketrans(x, y=None, z=None, /) Return a translation table usable for str.translate().   If there is only one argument, it must be a dictionary mapping Unicode ordinals (integers) or characters to Unicode ordinals, strings or None. Character keys will be then converted to ordinals. If there are two arguments, they must be strings of equal length, and in the resulting dictionary, each character in x will be mapped to the character at the same position in y. If there is a third argument, it must be a string, whose characters will be mapped to None in the result. Methods inherited from generic: __abs__(self, /) abs(self) __and__(self, value, /) Return self&value. __array__(...) sc.__array__(dtype) return 0-dim array from scalar with specified dtype __array_wrap__(...) sc.__array_wrap__(obj) return scalar from array __bool__(self, /) self != 0 __copy__(...) __deepcopy__(...) __divmod__(self, value, /) Return divmod(self, value). __float__(self, /) float(self) __floordiv__(self, value, /) Return self//value. __int__(self, /) int(self) __invert__(self, /) ~self __lshift__(self, value, /) Return self<<value. __neg__(self, /) -self __or__(self, value, /) Return self|value. __pos__(self, /) +self __pow__(self, value, mod=None, /) Return pow(self, value, mod). __radd__(self, value, /) Return value+self. __rand__(self, value, /) Return value&self. __rdivmod__(self, value, /) Return divmod(value, self). __reduce__(...) helper for pickle __rfloordiv__(self, value, /) Return value//self. __rlshift__(self, value, /) Return value<<self. __ror__(self, value, /) Return value|self. __round__(...) __rpow__(self, value, mod=None, /) Return pow(value, self, mod). __rrshift__(self, value, /) Return value>>self. __rshift__(self, value, /) Return self>>value. __rsub__(self, value, /) Return value-self. __rtruediv__(self, value, /) Return value/self. __rxor__(self, value, /) Return value^self. __setstate__(...) __sub__(self, value, /) Return self-value. __truediv__(self, value, /) Return self/value. __xor__(self, value, /) Return self^value. all(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. any(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmax(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmin(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argsort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. astype(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. byteswap(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. choose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. clip(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. compress(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. conj(...) conjugate(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. copy(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumprod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumsum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. diagonal(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dump(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dumps(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. fill(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. flatten(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. getfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. item(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. itemset(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. max(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. mean(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. min(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. newbyteorder(...) newbyteorder(new_order='S')   Return a new `dtype` with a different byte order.   Changes are also made in all fields and sub-arrays of the data type.   The `new_order` code can be any from the following:   * 'S' - swap dtype from current to opposite endian * {'<', 'L'} - little endian * {'>', 'B'} - big endian * {'=', 'N'} - native order * {'|', 'I'} - ignore (no change to byte order)   Parameters ---------- new_order : str, optional     Byte order to force; a value from the byte order specifications     above.  The default value ('S') results in swapping the current     byte order. The code does a case-insensitive check on the first     letter of `new_order` for the alternatives above.  For example,     any of 'B' or 'b' or 'biggish' are valid to specify big-endian.     Returns ------- new_dtype : dtype     New `dtype` object with the given change to the byte order. nonzero(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. prod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ptp(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. put(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ravel(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. repeat(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. reshape(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. resize(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. round(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. searchsorted(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setflags(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. squeeze(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. std(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. swapaxes(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. take(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tobytes(...) tofile(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tolist(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tostring(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. trace(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. transpose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. var(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. view(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. Data descriptors inherited from generic: T transpose __array_interface__ Array protocol: Python side __array_priority__ Array priority. __array_struct__ Array protocol: struct base base object data pointer to start of data dtype get array data-descriptor flags integer value of flags flat a 1-d view of scalar imag imaginary part of scalar itemsize length of one element in bytes nbytes length of item in bytes ndim number of array dimensions real real part of scalar shape tuple of array dimensions size number of elements in the gentype strides tuple of bytes steps in each dimension   class unsignedinteger(integer)     Base class for numpy scalar types.   Class from which most (all?) numpy scalar types are derived.  For consistency, exposes the same API as `ndarray`, despite many consequent attributes being either "get-only," or completely irrelevant. This is the class from which it is strongly suggested users should derive custom scalar types.     Method resolution order: unsignedinteger integer number generic builtins.object Data descriptors inherited from integer: denominator denominator of value (1) numerator numerator of value (the value itself) Methods inherited from generic: __abs__(self, /) abs(self) __add__(self, value, /) Return self+value. __and__(self, value, /) Return self&value. __array__(...) sc.__array__(dtype) return 0-dim array from scalar with specified dtype __array_wrap__(...) sc.__array_wrap__(obj) return scalar from array __bool__(self, /) self != 0 __copy__(...) __deepcopy__(...) __divmod__(self, value, /) Return divmod(self, value). __eq__(self, value, /) Return self==value. __float__(self, /) float(self) __floordiv__(self, value, /) Return self//value. __format__(...) NumPy array scalar formatter __ge__(self, value, /) Return self>=value. __getitem__(self, key, /) Return self[key]. __gt__(self, value, /) Return self>value. __int__(self, /) int(self) __invert__(self, /) ~self __le__(self, value, /) Return self<=value. __lshift__(self, value, /) Return self<<value. __lt__(self, value, /) Return self<value. __mod__(self, value, /) Return self%value. __mul__(self, value, /) Return self*value. __ne__(self, value, /) Return self!=value. __neg__(self, /) -self __or__(self, value, /) Return self|value. __pos__(self, /) +self __pow__(self, value, mod=None, /) Return pow(self, value, mod). __radd__(self, value, /) Return value+self. __rand__(self, value, /) Return value&self. __rdivmod__(self, value, /) Return divmod(value, self). __reduce__(...) helper for pickle __rfloordiv__(self, value, /) Return value//self. __rlshift__(self, value, /) Return value<<self. __rmod__(self, value, /) Return value%self. __rmul__(self, value, /) Return value*self. __ror__(self, value, /) Return value|self. __round__(...) __rpow__(self, value, mod=None, /) Return pow(value, self, mod). __rrshift__(self, value, /) Return value>>self. __rshift__(self, value, /) Return self>>value. __rsub__(self, value, /) Return value-self. __rtruediv__(self, value, /) Return value/self. __rxor__(self, value, /) Return value^self. __setstate__(...) __sizeof__(...) __sizeof__() -> int size of object in memory, in bytes __sub__(self, value, /) Return self-value. __truediv__(self, value, /) Return self/value. __xor__(self, value, /) Return self^value. all(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. any(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmax(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmin(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argsort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. astype(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. byteswap(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. choose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. clip(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. compress(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. conj(...) conjugate(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. copy(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumprod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumsum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. diagonal(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dump(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dumps(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. fill(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. flatten(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. getfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. item(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. itemset(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. max(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. mean(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. min(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. newbyteorder(...) newbyteorder(new_order='S')   Return a new `dtype` with a different byte order.   Changes are also made in all fields and sub-arrays of the data type.   The `new_order` code can be any from the following:   * 'S' - swap dtype from current to opposite endian * {'<', 'L'} - little endian * {'>', 'B'} - big endian * {'=', 'N'} - native order * {'|', 'I'} - ignore (no change to byte order)   Parameters ---------- new_order : str, optional     Byte order to force; a value from the byte order specifications     above.  The default value ('S') results in swapping the current     byte order. The code does a case-insensitive check on the first     letter of `new_order` for the alternatives above.  For example,     any of 'B' or 'b' or 'biggish' are valid to specify big-endian.     Returns ------- new_dtype : dtype     New `dtype` object with the given change to the byte order. nonzero(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. prod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ptp(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. put(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ravel(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. repeat(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. reshape(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. resize(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. round(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. searchsorted(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setflags(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. squeeze(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. std(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. swapaxes(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. take(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tobytes(...) tofile(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tolist(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tostring(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. trace(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. transpose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. var(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. view(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. Data descriptors inherited from generic: T transpose __array_interface__ Array protocol: Python side __array_priority__ Array priority. __array_struct__ Array protocol: struct base base object data pointer to start of data dtype get array data-descriptor flags integer value of flags flat a 1-d view of scalar imag imaginary part of scalar itemsize length of one element in bytes nbytes length of item in bytes ndim number of array dimensions real real part of scalar shape tuple of array dimensions size number of elements in the gentype strides tuple of bytes steps in each dimension Data and other attributes inherited from generic: __hash__ = None   ushort = class uint16(unsignedinteger)     Base class for numpy scalar types.   Class from which most (all?) numpy scalar types are derived.  For consistency, exposes the same API as `ndarray`, despite many consequent attributes being either "get-only," or completely irrelevant. This is the class from which it is strongly suggested users should derive custom scalar types.     Method resolution order: uint16 unsignedinteger integer number generic builtins.object Methods defined here: __abs__(self, /) abs(self) __add__(self, value, /) Return self+value. __and__(self, value, /) Return self&value. __bool__(self, /) self != 0 __divmod__(self, value, /) Return divmod(self, value). __eq__(self, value, /) Return self==value. __float__(self, /) float(self) __floordiv__(self, value, /) Return self//value. __ge__(self, value, /) Return self>=value. __gt__(self, value, /) Return self>value. __hash__(self, /) Return hash(self). __index__(self, /) Return self converted to an integer, if self is suitable for use as an index into a list. __int__(self, /) int(self) __invert__(self, /) ~self __le__(self, value, /) Return self<=value. __lshift__(self, value, /) Return self<<value. __lt__(self, value, /) Return self<value. __mod__(self, value, /) Return self%value. __mul__(self, value, /) Return self*value. __ne__(self, value, /) Return self!=value. __neg__(self, /) -self __new__(*args, **kwargs) from builtins.type Create and return a new object.  See help(type) for accurate signature. __or__(self, value, /) Return self|value. __pos__(self, /) +self __pow__(self, value, mod=None, /) Return pow(self, value, mod). __radd__(self, value, /) Return value+self. __rand__(self, value, /) Return value&self. __rdivmod__(self, value, /) Return divmod(value, self). __repr__(self, /) Return repr(self). __rfloordiv__(self, value, /) Return value//self. __rlshift__(self, value, /) Return value<<self. __rmod__(self, value, /) Return value%self. __rmul__(self, value, /) Return value*self. __ror__(self, value, /) Return value|self. __rpow__(self, value, mod=None, /) Return pow(value, self, mod). __rrshift__(self, value, /) Return value>>self. __rshift__(self, value, /) Return self>>value. __rsub__(self, value, /) Return value-self. __rtruediv__(self, value, /) Return value/self. __rxor__(self, value, /) Return value^self. __str__(self, /) Return str(self). __sub__(self, value, /) Return self-value. __truediv__(self, value, /) Return self/value. __xor__(self, value, /) Return self^value. Data descriptors inherited from integer: denominator denominator of value (1) numerator numerator of value (the value itself) Methods inherited from generic: __array__(...) sc.__array__(dtype) return 0-dim array from scalar with specified dtype __array_wrap__(...) sc.__array_wrap__(obj) return scalar from array __copy__(...) __deepcopy__(...) __format__(...) NumPy array scalar formatter __getitem__(self, key, /) Return self[key]. __reduce__(...) helper for pickle __round__(...) __setstate__(...) __sizeof__(...) __sizeof__() -> int size of object in memory, in bytes all(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. any(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmax(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmin(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argsort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. astype(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. byteswap(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. choose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. clip(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. compress(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. conj(...) conjugate(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. copy(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumprod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumsum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. diagonal(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dump(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dumps(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. fill(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. flatten(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. getfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. item(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. itemset(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. max(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. mean(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. min(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. newbyteorder(...) newbyteorder(new_order='S')   Return a new `dtype` with a different byte order.   Changes are also made in all fields and sub-arrays of the data type.   The `new_order` code can be any from the following:   * 'S' - swap dtype from current to opposite endian * {'<', 'L'} - little endian * {'>', 'B'} - big endian * {'=', 'N'} - native order * {'|', 'I'} - ignore (no change to byte order)   Parameters ---------- new_order : str, optional     Byte order to force; a value from the byte order specifications     above.  The default value ('S') results in swapping the current     byte order. The code does a case-insensitive check on the first     letter of `new_order` for the alternatives above.  For example,     any of 'B' or 'b' or 'biggish' are valid to specify big-endian.     Returns ------- new_dtype : dtype     New `dtype` object with the given change to the byte order. nonzero(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. prod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ptp(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. put(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ravel(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. repeat(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. reshape(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. resize(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. round(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. searchsorted(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setflags(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. squeeze(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. std(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. swapaxes(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. take(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tobytes(...) tofile(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tolist(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tostring(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. trace(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. transpose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. var(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. view(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. Data descriptors inherited from generic: T transpose __array_interface__ Array protocol: Python side __array_priority__ Array priority. __array_struct__ Array protocol: struct base base object data pointer to start of data dtype get array data-descriptor flags integer value of flags flat a 1-d view of scalar imag imaginary part of scalar itemsize length of one element in bytes nbytes length of item in bytes ndim number of array dimensions real real part of scalar shape tuple of array dimensions size number of elements in the gentype strides tuple of bytes steps in each dimension   class vectorize(builtins.object)     vectorize(pyfunc, otypes=None, doc=None, excluded=None, cache=False,           signature=None)   Generalized function class.   Define a vectorized function which takes a nested sequence of objects or numpy arrays as inputs and returns an single or tuple of numpy array as output. The vectorized function evaluates `pyfunc` over successive tuples of the input arrays like the python map function, except it uses the broadcasting rules of numpy.   The data type of the output of `vectorized` is determined by calling the function with the first element of the input.  This can be avoided by specifying the `otypes` argument.   Parameters ---------- pyfunc : callable     A python function or method. otypes : str or list of dtypes, optional     The output data type. It must be specified as either a string of     typecode characters or a list of data type specifiers. There should     be one data type specifier for each output. doc : str, optional     The docstring for the function. If `None`, the docstring will be the     ``pyfunc.__doc__``. excluded : set, optional     Set of strings or integers representing the positional or keyword     arguments for which the function will not be vectorized.  These will be     passed directly to `pyfunc` unmodified.       .. versionadded:: 1.7.0   cache : bool, optional    If `True`, then cache the first function call that determines the number    of outputs if `otypes` is not provided.       .. versionadded:: 1.7.0   signature : string, optional     Generalized universal function signature, e.g., ``(m,n),(n)->(m)`` for     vectorized matrix-vector multiplication. If provided, ``pyfunc`` will     be called with (and expected to return) arrays with shapes given by the     size of corresponding core dimensions. By default, ``pyfunc`` is     assumed to take scalars as input and output.       .. versionadded:: 1.12.0   Returns ------- vectorized : callable     Vectorized function.   Examples -------- >>> def myfunc(a, b): ...     "Return a-b if a>b, otherwise return a+b" ...     if a > b: ...         return a - b ...     else: ...         return a + b   >>> vfunc = np.vectorize(myfunc) >>> vfunc([1, 2, 3, 4], 2) array([3, 4, 1, 2])   The docstring is taken from the input function to `vectorize` unless it is specified:   >>> vfunc.__doc__ 'Return a-b if a>b, otherwise return a+b' >>> vfunc = np.vectorize(myfunc, doc='Vectorized `myfunc`') >>> vfunc.__doc__ 'Vectorized `myfunc`'   The output type is determined by evaluating the first element of the input, unless it is specified:   >>> out = vfunc([1, 2, 3, 4], 2) >>> type(out[0]) <type 'numpy.int32'> >>> vfunc = np.vectorize(myfunc, otypes=[float]) >>> out = vfunc([1, 2, 3, 4], 2) >>> type(out[0]) <type 'numpy.float64'>   The `excluded` argument can be used to prevent vectorizing over certain arguments.  This can be useful for array-like arguments of a fixed length such as the coefficients for a polynomial as in `polyval`:   >>> def mypolyval(p, x): ...     _p = list(p) ...     res = _p.pop(0) ...     while _p: ...         res = res*x + _p.pop(0) ...     return res >>> vpolyval = np.vectorize(mypolyval, excluded=['p']) >>> vpolyval(p=[1, 2, 3], x=[0, 1]) array([3, 6])   Positional arguments may also be excluded by specifying their position:   >>> vpolyval.excluded.add(0) >>> vpolyval([1, 2, 3], x=[0, 1]) array([3, 6])   The `signature` argument allows for vectorizing functions that act on non-scalar arrays of fixed length. For example, you can use it for a vectorized calculation of Pearson correlation coefficient and its p-value:   >>> import scipy.stats >>> pearsonr = np.vectorize(scipy.stats.pearsonr, ...                         signature='(n),(n)->(),()') >>> pearsonr([[0, 1, 2, 3]], [[1, 2, 3, 4], [4, 3, 2, 1]]) (array([ 1., -1.]), array([ 0.,  0.]))   Or for a vectorized convolution:   >>> convolve = np.vectorize(np.convolve, signature='(n),(m)->(k)') >>> convolve(np.eye(4), [1, 2, 1]) array([[ 1.,  2.,  1.,  0.,  0.,  0.],        [ 0.,  1.,  2.,  1.,  0.,  0.],        [ 0.,  0.,  1.,  2.,  1.,  0.],        [ 0.,  0.,  0.,  1.,  2.,  1.]])   See Also -------- frompyfunc : Takes an arbitrary Python function and returns a ufunc   Notes ----- The `vectorize` function is provided primarily for convenience, not for performance. The implementation is essentially a for loop.   If `otypes` is not specified, then a call to the function with the first argument will be used to determine the number of outputs.  The results of this call will be cached if `cache` is `True` to prevent calling the function twice.  However, to implement the cache, the original function must be wrapped which will slow down subsequent calls, so only do this if your function is expensive.   The new keyword argument interface and `excluded` argument support further degrades performance.   References ---------- .. [1] NumPy Reference, section `Generalized Universal Function API        <http://docs.scipy.org/doc/numpy/reference/c-api.generalized-ufuncs.html>`_.     Methods defined here: __call__(self, *args, **kwargs) Return arrays with the results of `pyfunc` broadcast (vectorized) over `args` and `kwargs` not in `excluded`. __init__(self, pyfunc, otypes=None, doc=None, excluded=None, cache=False, signature=None) Initialize self.  See help(type(self)) for accurate signature. Data descriptors defined here: __dict__ dictionary for instance variables (if defined) __weakref__ list of weak references to the object (if defined)   class void(flexible)     Base class for numpy scalar types.   Class from which most (all?) numpy scalar types are derived.  For consistency, exposes the same API as `ndarray`, despite many consequent attributes being either "get-only," or completely irrelevant. This is the class from which it is strongly suggested users should derive custom scalar types.     Method resolution order: void flexible generic builtins.object Methods defined here: __delitem__(self, key, /) Delete self[key]. __eq__(self, value, /) Return self==value. __ge__(self, value, /) Return self>=value. __getitem__(self, key, /) Return self[key]. __gt__(self, value, /) Return self>value. __hash__(self, /) Return hash(self). __le__(self, value, /) Return self<=value. __len__(self, /) Return len(self). __lt__(self, value, /) Return self<value. __ne__(self, value, /) Return self!=value. __new__(*args, **kwargs) from builtins.type Create and return a new object.  See help(type) for accurate signature. __repr__(self, /) Return repr(self). __setitem__(self, key, value, /) Set self[key] to value. __str__(self, /) Return str(self). getfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. Data descriptors defined here: base base object dtype dtype object flags integer value of flags Methods inherited from generic: __abs__(self, /) abs(self) __add__(self, value, /) Return self+value. __and__(self, value, /) Return self&value. __array__(...) sc.__array__(dtype) return 0-dim array from scalar with specified dtype __array_wrap__(...) sc.__array_wrap__(obj) return scalar from array __bool__(self, /) self != 0 __copy__(...) __deepcopy__(...) __divmod__(self, value, /) Return divmod(self, value). __float__(self, /) float(self) __floordiv__(self, value, /) Return self//value. __format__(...) NumPy array scalar formatter __int__(self, /) int(self) __invert__(self, /) ~self __lshift__(self, value, /) Return self<<value. __mod__(self, value, /) Return self%value. __mul__(self, value, /) Return self*value. __neg__(self, /) -self __or__(self, value, /) Return self|value. __pos__(self, /) +self __pow__(self, value, mod=None, /) Return pow(self, value, mod). __radd__(self, value, /) Return value+self. __rand__(self, value, /) Return value&self. __rdivmod__(self, value, /) Return divmod(value, self). __reduce__(...) helper for pickle __rfloordiv__(self, value, /) Return value//self. __rlshift__(self, value, /) Return value<<self. __rmod__(self, value, /) Return value%self. __rmul__(self, value, /) Return value*self. __ror__(self, value, /) Return value|self. __round__(...) __rpow__(self, value, mod=None, /) Return pow(value, self, mod). __rrshift__(self, value, /) Return value>>self. __rshift__(self, value, /) Return self>>value. __rsub__(self, value, /) Return value-self. __rtruediv__(self, value, /) Return value/self. __rxor__(self, value, /) Return value^self. __setstate__(...) __sizeof__(...) __sizeof__() -> int size of object in memory, in bytes __sub__(self, value, /) Return self-value. __truediv__(self, value, /) Return self/value. __xor__(self, value, /) Return self^value. all(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. any(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmax(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmin(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argsort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. astype(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. byteswap(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. choose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. clip(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. compress(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. conj(...) conjugate(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. copy(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumprod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumsum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. diagonal(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dump(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dumps(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. fill(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. flatten(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. item(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. itemset(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. max(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. mean(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. min(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. newbyteorder(...) newbyteorder(new_order='S')   Return a new `dtype` with a different byte order.   Changes are also made in all fields and sub-arrays of the data type.   The `new_order` code can be any from the following:   * 'S' - swap dtype from current to opposite endian * {'<', 'L'} - little endian * {'>', 'B'} - big endian * {'=', 'N'} - native order * {'|', 'I'} - ignore (no change to byte order)   Parameters ---------- new_order : str, optional     Byte order to force; a value from the byte order specifications     above.  The default value ('S') results in swapping the current     byte order. The code does a case-insensitive check on the first     letter of `new_order` for the alternatives above.  For example,     any of 'B' or 'b' or 'biggish' are valid to specify big-endian.     Returns ------- new_dtype : dtype     New `dtype` object with the given change to the byte order. nonzero(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. prod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ptp(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. put(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ravel(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. repeat(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. reshape(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. resize(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. round(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. searchsorted(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setflags(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. squeeze(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. std(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. swapaxes(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. take(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tobytes(...) tofile(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tolist(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tostring(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. trace(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. transpose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. var(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. view(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. Data descriptors inherited from generic: T transpose __array_interface__ Array protocol: Python side __array_priority__ Array priority. __array_struct__ Array protocol: struct data pointer to start of data flat a 1-d view of scalar imag imaginary part of scalar itemsize length of one element in bytes nbytes length of item in bytes ndim number of array dimensions real real part of scalar shape tuple of array dimensions size number of elements in the gentype strides tuple of bytes steps in each dimension   void0 = class void(flexible)     Base class for numpy scalar types.   Class from which most (all?) numpy scalar types are derived.  For consistency, exposes the same API as `ndarray`, despite many consequent attributes being either "get-only," or completely irrelevant. This is the class from which it is strongly suggested users should derive custom scalar types.     Method resolution order: void flexible generic builtins.object Methods defined here: __delitem__(self, key, /) Delete self[key]. __eq__(self, value, /) Return self==value. __ge__(self, value, /) Return self>=value. __getitem__(self, key, /) Return self[key]. __gt__(self, value, /) Return self>value. __hash__(self, /) Return hash(self). __le__(self, value, /) Return self<=value. __len__(self, /) Return len(self). __lt__(self, value, /) Return self<value. __ne__(self, value, /) Return self!=value. __new__(*args, **kwargs) from builtins.type Create and return a new object.  See help(type) for accurate signature. __repr__(self, /) Return repr(self). __setitem__(self, key, value, /) Set self[key] to value. __str__(self, /) Return str(self). getfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setfield(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. Data descriptors defined here: base base object dtype dtype object flags integer value of flags Methods inherited from generic: __abs__(self, /) abs(self) __add__(self, value, /) Return self+value. __and__(self, value, /) Return self&value. __array__(...) sc.__array__(dtype) return 0-dim array from scalar with specified dtype __array_wrap__(...) sc.__array_wrap__(obj) return scalar from array __bool__(self, /) self != 0 __copy__(...) __deepcopy__(...) __divmod__(self, value, /) Return divmod(self, value). __float__(self, /) float(self) __floordiv__(self, value, /) Return self//value. __format__(...) NumPy array scalar formatter __int__(self, /) int(self) __invert__(self, /) ~self __lshift__(self, value, /) Return self<<value. __mod__(self, value, /) Return self%value. __mul__(self, value, /) Return self*value. __neg__(self, /) -self __or__(self, value, /) Return self|value. __pos__(self, /) +self __pow__(self, value, mod=None, /) Return pow(self, value, mod). __radd__(self, value, /) Return value+self. __rand__(self, value, /) Return value&self. __rdivmod__(self, value, /) Return divmod(value, self). __reduce__(...) helper for pickle __rfloordiv__(self, value, /) Return value//self. __rlshift__(self, value, /) Return value<<self. __rmod__(self, value, /) Return value%self. __rmul__(self, value, /) Return value*self. __ror__(self, value, /) Return value|self. __round__(...) __rpow__(self, value, mod=None, /) Return pow(value, self, mod). __rrshift__(self, value, /) Return value>>self. __rshift__(self, value, /) Return self>>value. __rsub__(self, value, /) Return value-self. __rtruediv__(self, value, /) Return value/self. __rxor__(self, value, /) Return value^self. __setstate__(...) __sizeof__(...) __sizeof__() -> int size of object in memory, in bytes __sub__(self, value, /) Return self-value. __truediv__(self, value, /) Return self/value. __xor__(self, value, /) Return self^value. all(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. any(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmax(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argmin(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. argsort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. astype(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. byteswap(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. choose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. clip(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. compress(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. conj(...) conjugate(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. copy(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumprod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. cumsum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. diagonal(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dump(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. dumps(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. fill(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. flatten(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. item(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. itemset(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. max(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. mean(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. min(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. newbyteorder(...) newbyteorder(new_order='S')   Return a new `dtype` with a different byte order.   Changes are also made in all fields and sub-arrays of the data type.   The `new_order` code can be any from the following:   * 'S' - swap dtype from current to opposite endian * {'<', 'L'} - little endian * {'>', 'B'} - big endian * {'=', 'N'} - native order * {'|', 'I'} - ignore (no change to byte order)   Parameters ---------- new_order : str, optional     Byte order to force; a value from the byte order specifications     above.  The default value ('S') results in swapping the current     byte order. The code does a case-insensitive check on the first     letter of `new_order` for the alternatives above.  For example,     any of 'B' or 'b' or 'biggish' are valid to specify big-endian.     Returns ------- new_dtype : dtype     New `dtype` object with the given change to the byte order. nonzero(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. prod(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ptp(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. put(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. ravel(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. repeat(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. reshape(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. resize(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. round(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. searchsorted(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. setflags(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sort(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. squeeze(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. std(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. sum(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. swapaxes(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. take(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tobytes(...) tofile(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tolist(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. tostring(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. trace(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. transpose(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. var(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. view(...) Not implemented (virtual attribute)   Class generic exists solely to derive numpy scalars from, and possesses, albeit unimplemented, all the attributes of the ndarray class so as to provide a uniform API.   See Also -------- The corresponding attribute of the derived class of interest. Data descriptors inherited from generic: T transpose __array_interface__ Array protocol: Python side __array_priority__ Array priority. __array_struct__ Array protocol: struct data pointer to start of data flat a 1-d view of scalar imag imaginary part of scalar itemsize length of one element in bytes nbytes length of item in bytes ndim number of array dimensions real real part of scalar shape tuple of array dimensions size number of elements in the gentype strides tuple of bytes steps in each dimension